一维(1D)CNN模型下轴承故障诊断（Python，TensorFlow框架下，很容易改为其它模型，解压缩后可以直接运行，无需修改任何目录）

1.数据集

使用凯斯西储大学轴承数据集，一共有4种负载下采集的数据，每种负载下有10种 故障状态：三种不同尺寸下的内圈故障、三种不同尺寸下的外圈故障、三种不同尺寸下的滚动体故障和一种正常状态。

2.模型（1DCNN）

使用数据增强的方式：重叠切割（每个样本长度是1024）

3.效果

0HP数据集(训练集与测试集比例为7:3)，测试集准确率为100.00%

C%

1HP数据集(训练集与测试集比例为7:3)，测试集准确率为99.46%

2HP数据集(训练集与测试集比例为7:3)，测试集准确率为99.83%

3HP数据集(训练集与测试集比例为7:3)，测试集准确率为100.00%

代码运行环境要求

tensorlfow>=2.4.0

python>=3.6.0,

其他库版本无要求

对代码和数据感兴趣的可以关注