该研究课题旨在通过分析轴承振动序列数据，实现轴承故障诊断。

简介：
基于振动信号的滚动轴承故障诊断项目旨在通过分析轴承产生的振动数据，准确地确定轴承故障发生的具体位置以及故障的严重程度。该研究采用数据驱动的策略，并结合了传统机器学习方法和深度学习方法来解决问题。该开源项目主要致力于对基于传统机器学习的轴承故障诊断相关内容进行整理和归纳。具体而言，项目包含以下三个主要环节：首先是数据集的预处理，包括数据集增强（通过`utils.augment`模块实现）；其次是特征工程（利用`utils.feature`模块），涵盖均值、均方差、标准差、偏度、峭度、包络谱最大幅值处频率、信号熵以及信号幅值中位数处概率密度值的提取；最后是分类器训练和保存。在0HP测试集上，KNN分类器的测试集得分达到了90.295%，而GaussianNB分类器的测试集得分则为91.561%。