基于有限数据的小样本滚动轴承故障诊断与少量学习

简介：
本文提出了一种在小样本条件下有效的滚动轴承故障诊断方法，并探讨了少量学习的应用，旨在提高模型对罕见故障模式的识别能力。 代码文档包括凯斯西储大学（CWRU）的轴承故障诊断数据集，该数据集划分为四个工况的数据集A、B、C和D进行验证。项目介绍在README.md文件中描述。 主要文件如下： - cwru.py：定义了用于加载数据集的函数。 - experimentAB.ipynb：包含实验A和实验B的代码。 - experimentC.ipynb：包含了实验C的代码 - experimentD.ipynb：包含了实验D的代码 - metadata.txt：在cwru.py文件中使用。 - models.py：定义了几率模型及WDCNN模型加载函数。 - siamese.py：包含输入数据初始化、几率模型训练和测试功能的相关函数定义。 - utils.py：提供了一些实用工具函数。 - tmp目录用于保存经过训练的模型以及测试结果。