天天看點

繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe

作者:哥廷根數學學派

繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布

程式基于python環境,繪制基于自編碼器(autoencoders)的軸承振動特征('Min', 'Max', 'Kurt', 'ImpFactor', 'RMS', 'MargFactor', 'Skewness','ShapeFactor', 'PeakToPeak', 'CrestFactor')的誤差分布

所需子產品如下

import numpy as np

import pandas as pd

from tensorflow import keras

from tensorflow.keras import layers

from matplotlib import pyplot as plt

所使用的資料為辛辛那提軸承資料集,由辛辛那提大學 NSF I/UCR 智能維護系統中心制作。

本試驗所使用的資料非原始資料,而是經過特征提取後的資料,所提取的特征如下:

'Min', 'Max', 'Kurt', 'ImpFactor', 'RMS', 'MargFactor', 'Skewness','ShapeFactor', 'PeakToPeak', 'CrestFactor'

面包多代碼下載下傳

網頁連結

繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe
繪制基于自編碼器(autoencoders)的軸承振動特征誤差分布程式基于python環境,繪制基于自編碼器(autoe

繼續閱讀