电机振动故障检测tensorflow神经网络

使用TensorFlow对一维电机振动信号检测（输入的信号经过了小波变换，8个特征）

# -*- coding: utf-8 -*-
“““
Created on Mon Apr  2 11:46:50 2018

@author: FDS
“““
#电机故障数据检测（只针对一圈）
#一组数据一组数据进行训练
#
#
import tensorflow as tf
import numpy as np
import scipy.io as sio
import random
#输入数据部分
#
data_inter=sio.loadmat（‘C:/Users/FDS/Desktop/data2018/data_prepare_inter.mat‘）[‘data_E‘]#故障数据
data_normal=sio.loadmat（‘C:/Users/FDS/Desktop/data2018/data_prepare_normal.mat‘）[‘data_Enormal‘]#正常总数据



a=np.array（data_inter[0:100]）
b=np.array（data_normal[0:450]）

train_data=np.concatenate（（ab）axis=0）

c=np.array（data_inter[100:]）
d=np.array（data_normal[450:]）

test_data=np.concatenate（（cd）axis=0）

y_train_data=np.concatenate（（np.ones（a.shape[0]）np.zeros（b.shape[0]））axis=0）#训练标签
y_train_data.shape=（y_train_data.shape[0]1）


y_test_data=np.concatenate（（np.ones（c.shape[0]）np.zeros（d.shape[0]））axis=0）#测试标签
y_test_data.shape=（y_test_data.shape[0]1）

e=np.zeros（（5502）） #全部训练数据的标签

for i in range（0100）:
    e[i][1]=1  
for i in range（100550）:
    e[i][0]=1



e_test=np.zeros（（572））
for i in range（022）:
    e_test[i][1]=1

for i in range（2257）:
    e_test[i][0]=1
    
#模型搭建部分
x_data=tf.placeholder（“float32“[None8]）
weight=tf.Variable（tf.ones（[82]））
bias=tf.Variable（tf.ones（[2]））
y_model=tf.nn.softmax（tf.matmul（x_dataweight）+bias）

y_data=tf.placeholder（“float32“[None2]）
loss=tf.reduce_sum（tf.pow（（y_model-y_data）2））

train_step=tf.train.GradientDescentOptimizer（0.01）.minimize（loss）
init=tf.global_variables_initializer（）
sess=tf.Session（）
sess.run（init）




temp_x=np.zeros（（508））#随机取50组数据进行训练
temp_y=np.zeros（（502））#随机50组数据的标签值
#训练
for i in range（1000）:
    rand=random.randint（0499）  #产生随机数
    for k in range（050）:
        temp_x[k]=train_data[rand+k]#训练值
        temp_y[k]=e[rand+k]#标签值
    sess.run（train_stepfeed_dict={x_data:temp_xy_data:temp_y}） 
    if i%5==0:
        correct_prediction=tf.equal（tf.argmax（y_model1）tf.argmax（y_data1））
        accuracy=tf.reduce_mean（tf.cast（correct_prediction“float“））
        print（sess.run（accuracyfeed_dict={x_data:test_datay_data: e_test}））

 print（sess.run（weight））  #输出权重
 print（sess.run（bias））    #输入偏离值

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2404  2018-04-08 16:27  untitled1.py

     文件       5838  2018-04-01 14:29  data2018\data_prepare_inter.mat

     文件      22389  2018-04-01 14:39  data2018\data_prepare_normal.mat

     目录          0  2018-04-01 15:00  data2018

----------- ---------  ---------- -----  ----

                30631                    4