目录

往期精彩内容：

1 工作室实验平台介绍

2 轴承故障诊断教程—数据集

3 轴承故障诊断教程—算法模型

3.1 振动分析方法

3.2 频域特征提取

3.3 时域特征提取

3.4 模型基础的机器学习方法

3.5 深度学习方法

3.6 时频域融合方法

3.7 信号重构方法

3.8 基于统计学的方法

3.9 其他类型方法

4 轴承故障诊断教程—代码全家桶教程

4.1 凯斯西储大学（CWRU）轴承故障诊代码——全家桶

4.2 轴承故障诊断—创新模型全家桶

---

往期精彩内容：

Python-凯斯西储大学（CWRU）轴承数据解读与分类处理

Python轴承故障诊断 (一)短时傅里叶变换STFT

Python轴承故障诊断 (二)连续小波变换CWT_pyts 小波变换 故障-CSDN博客

Python轴承故障诊断 (三)经验模态分解EMD_轴承诊断 pytorch-CSDN博客

Pytorch-LSTM轴承故障一维信号分类(一)_cwru数据集pytorch训练-CSDN博客

Pytorch-CNN轴承故障一维信号分类(二)-CSDN博客

Pytorch-Transformer轴承故障一维信号分类(三)-CSDN博客

Python轴承故障诊断 (四)基于EMD-CNN的故障分类-CSDN博客

Python轴承故障诊断 (五)基于EMD-LSTM的故障分类-CSDN博客

Python轴承故障诊断 (六)基于EMD-Transformer的故障分类-CSDN博客

Python轴承故障诊断 (七)基于EMD-CNN-LSTM的故障分类-CSDN博客

Python轴承故障诊断 (八)基于EMD-CNN-GRU并行模型的故障分类-CSDN博客

基于FFT + CNN - BiGRU-Attention 时域、频域特征注意力融合的轴承故障识别模型-CSDN博客

基于FFT + CNN - Transformer 时域、频域特征融合的轴承故障识别模型-CSDN博客

大甩卖-（CWRU）轴承故障诊数据集和代码全家桶-CSDN博客

Python轴承故障诊断 (九)基于VMD+CNN-BiLSTM的故障分类-CSDN博客

Python轴承故障诊断 (十)基于VMD+CNN-Transfromer的故障分类-CSDN博客

Python轴承故障诊断 (11)基于VMD+CNN-BiGRU-Attenion的故障分类-CSDN博客

交叉注意力融合时域、频域特征的FFT + CNN -BiLSTM-CrossAttention轴承故障识别模型-CSDN博客

交叉注意力融合时域、频域特征的FFT + CNN-Transformer-CrossAttention轴承故障识别模型-CSDN博客

轴承故障诊断 (12)基于交叉注意力特征融合的VMD+CNN-BiLSTM-CrossAttention故障识别模型-CSDN博客

1 工作室实验平台介绍

实验模拟平台如下所示：

数据轴承齿轮箱故障模拟试验台的基本构成

PT500PRO轴承齿轮箱故障模拟试验台主要由设备基础底板平台，三相异步变频电机，联轴器，轴承动平衡转子盘组件，两级传动直齿轮箱，扭矩转速仪，行星齿轮箱，可编程磁粉加载器，触控屏操作单元，PLC，变频器，磁粉加载控制单元，通讯模块组成。

2 轴承故障诊断教程—数据集

 数据集介绍

凯斯西储大学轴承数据的详细介绍可以参考下文：

Python-凯斯西储大学（CWRU）轴承数据解读与分类处理_cwru数据集时域图-CSDN博客

航天发动机轴承故障数据集，参考论文介绍：

(PDF) Inter-shaft Bearing Fault Diagnosis Based on Aero-engine System: A Benchmarking Dataset Study (researchgate.net)

3 轴承故障诊断教程—算法模型

3.1 振动分析方法

3.1.1 傅里叶变换及其变体，短时傅里叶变换、快速傅里叶变换等

短时傅里叶变换，参考教程：

Python轴承故障诊断 (一)短时傅里叶变换STFT

快速傅里叶变换，参考教程：

基于FFT + CNN - BiGRU-Attention 时域、频域特征注意力融合的轴承故障识别模型

3.1.2 小波变换及其变体，参考教程：

Python轴承故障诊断 (二)连续小波变换CWT

3.1.3 时频分析方法

Python轴承故障诊断 (三)经验模态分解EMD

Python轴承故障诊断 (四)基于EMD-CNN的故障分类

Python轴承故障诊断 (五)基于EMD-LSTM的故障分类

Python轴承故障诊断 (六)基于EMD-Transformer的故障分类

Python轴承故障诊断 (七)基于EMD-CNN-LSTM的故障分类

Python轴承故障诊断 (八)基于EMD-CNN-GRU并行模型的故障分类

3.2 频域特征提取

• 频谱分析

• 能量谱分析

• 阶次分析

基于FFT + CNN - Transformer 时域、频域特征融合的轴承故障识别模型-CSDN博客

3.3 时域特征提取

• 峰值指标

• 方根幅值

• 脉冲计数

Pytorch-LSTM轴承故障一维信号分类(一)_cwru数据集pytorch训练-CSDN博客

Pytorch-CNN轴承故障一维信号分类(二)-CSDN博客

Pytorch-Transformer轴承故障一维信号分类(三)_transformer 一维数据-CSDN博客

3.4 模型基础的机器学习方法

• 支持向量机（SVM）

• 决策树

• 随机森林

• 朴素贝叶斯

3.5 深度学习方法

• 卷积神经网络（CNN）

• 长短时记忆网络（LSTM）

• 注意力机制

• 时域-频域深度学习模型

• 融合模型

• 创新模型

基于FFT + CNN - BiGRU-Attention 时域、频域特征注意力融合的轴承故障识别模型-CSDN博客

基于FFT + CNN - Transformer 时域、频域特征融合的轴承故障识别模型-CSDN博客

大甩卖-（CWRU）轴承故障诊数据集和代码全家桶-CSDN博客

Python轴承故障诊断 (九)基于VMD+CNN-BiLSTM的故障分类-CSDN博客

Python轴承故障诊断 (十)基于VMD+CNN-Transfromer的故障分类-CSDN博客

Python轴承故障诊断 (11)基于VMD+CNN-BiGRU-Attenion的故障分类-CSDN博客

交叉注意力融合时域、频域特征的FFT + CNN -BiLSTM-CrossAttention轴承故障识别模型-CSDN博客

交叉注意力融合时域、频域特征的FFT + CNN-Transformer-CrossAttention轴承故障识别模型-CSDN博客

3.6 时频域融合方法

• 瞬时频率分析

• 瞬时幅度分析

3.7 信号重构方法

• 经验模态分解（EMD）及其变体

• 零时域过零率（ZCR） 

Python轴承故障诊断 (四)基于EMD-CNN的故障分类-CSDN博客

Python轴承故障诊断 (五)基于EMD-LSTM的故障分类-CSDN博客

Python轴承故障诊断 (六)基于EMD-Transformer的故障分类-CSDN博客

Python轴承故障诊断 (七)基于EMD-CNN-LSTM的故障分类-CSDN博客

Python轴承故障诊断 (八)基于EMD-CNN-GRU并行模型的故障分类-CSDN博客

基于FFT + CNN - BiGRU-Attention 时域、频域特征注意力融合的轴承故障识别模型-CSDN博客

基于FFT + CNN - Transformer 时域、频域特征融合的轴承故障识别模型-CSDN博客

大甩卖-（CWRU）轴承故障诊数据集和代码全家桶-CSDN博客

Python轴承故障诊断 (九)基于VMD+CNN-BiLSTM的故障分类-CSDN博客

Python轴承故障诊断 (十)基于VMD+CNN-Transfromer的故障分类-CSDN博客

Python轴承故障诊断 (11)基于VMD+CNN-BiGRU-Attenion的故障分类-CSDN博客

3.8 基于统计学的方法

        均方根（RMS）

• 峭度（Kurtosis）

• 偏度（Skewness）

• 主成分分析（PCA）

• 自适应滤波算法

3.9 其他类型方法

• 故障诊断专家系统

• 有监督学习方法

• 各种优化算法

4 轴承故障诊断教程—代码全家桶教程

4.1 凯斯西储大学（CWRU）轴承故障诊代码——全家桶

4.2 轴承故障诊断—创新模型全家桶