• 代码简介：代码简介：针对现有智能诊断模型参数多、识别效率低的问题，提出一种基于改进一维卷积神经网络的滚动轴承故障识别FRICNN方法。通过引入1*1卷积核增强一维卷积神经网络模型的非线性表达能力；并用全局平局池化层代替传统卷积神经网络中的全连接层，以降低模型参数和计算量，且防止过拟合现象。 试验结果表明，该方法可以准确识别滚动轴承不同故障状态，具有一定的工程实际应用潜力。

• 参考文献：2022年振动与冲击EI 《基于改进一维卷积神经网络的滚动轴承故障识别》，论文可以通过点击最左下角的阅读原文。

• 数据预处理：支持1维原始数据

• 网络模型：FRICNN、AlexNet、CNN

• 数据集：CWRU、河内大学滚动轴承数据集HUST（2023年开源）、德国帕德伯恩数据集PU

• 网络框架：pytorch

• 结果输出：损失曲线图、准确率曲线图、混淆矩阵、tsne图

• 准确率：测试集99%以上

• 使用对象：初学者

• 代码保证：代码注释详细、即拿即可跑通。

• 额外免费服务：可提供半个小时的线上集中答疑

[1] 故障诊断开源代码推荐 | MCNN-LSTM，免费获取！

[2] 故障诊断开源代码推荐 | 轴承故障诊断迁移学习综述，免费获取！

[3] 信号处理基础之噪声与降噪(一) | 噪声分类及python代码实现

[4] 信号处理基础之噪声与降噪(二) | 时域降噪方法(平滑降噪、SVD降噪)python代码实现

[5]信号处理基础之噪声与降噪(三) | EMD降噪与VMD降噪及python代码实现

[6] 航空发动机轴承数据集 | 写论文再也不用担心没数据集啦！

[7] 故障诊断知识分享 | 齿轮故障诊断PPT