新年快樂。
把豬年的事結束在豬年,這篇寫一下最後的總結展望,順便歸納一下常被問到的問題。
總結
前面做的簡單概括就是:選擇神經網絡模型→測試CNN和LSTM→選擇CNN→優化。
我認爲的幾個主要的缺陷:
1.做的不深,沒有新的東西。深度學習發展的非常快,應該有更好的做法。之前時間有限,也沒有嘗試CNN結合LSTM的做法效果如何。
2.數據集問題。CWRU的數據集沒有時間信息,這是很大的缺陷。軸承的故障變化是根據時間逐漸變化的,比起判斷好與壞,能根據一些徵兆預測軸承狀態更重要,所以需要含時間信息的軸承故障數據集。如果有設備自己採集不知道是不是會更好一些。
3.還有就是實際應用的問題,現在只是針對已經採集好的數據集數據進行訓練測試,如果真的實際用深度學習來監測軸承狀態,怎麼採集怎麼出結果的這麼個實際應用。
常見問題
q1:求張偉代碼鏈接
a1:我在環境那篇博客標了參考論文和參考代碼的鏈接,但至於某某幾章的代碼爲什麼沒有,或者某些地方爲什麼這樣寫這樣的問題我不知道,建議去github詢問本人。
q2:有沒有給數據集添加標籤的原理、方法等的教程鏈接
a2:講這方面的教程我找到的也很少,可以去公衆號搜搜這個主題,有三AI等等公衆號有一些相關推文。
q3:初次接觸軸承故障診斷/深度學習,不知道如何入手
a3:我自己也算比較新的新手,只能分享一下我自己的入手順序。
軸承故障:基礎軸承知識→楊國安 滾動軸承故障診斷實用技術/裴峻峯 機械故障診斷技術→相關論文
深度學習:中國大學mooc平臺 北京大學 人工智能實踐:Tensorflow筆記 有比較詳細的講解和demo,主要熟悉一下深度學習,瞭解一下深度學習能做什麼,直觀體驗一下→張重生 深度學習 這本書沒什麼乾貨,但沒有乾貨≈很好懂,對於完全沒接觸過深度學習的情況,看這個瞭解一下比較易懂→李玉鑑 深度學習導論及案例分析 介紹了各種神經網絡及原理,寫論文介紹原理的時候很實用→邱錫鵬 深度網絡與深度學習 我特別喜歡這個,講的非常清晰,而且全部開源,還一直保持更新→相關論文
我的建議是不管有沒有經驗,不要因爲不會、不知道如何下手就躊躇,隨便從哪一個方面看起來試起來,在過程裏就能發現自己還缺什麼,然後再學習補上就好。不會沒什麼大不了,學就是了。
q4:能不能留個聯繫方式交流一下
a4:博客評論或者私信app會提示,我都能看到,能回的我會回覆。郵箱也可以,隔幾天會去看一看。另外不建議在評論留微信號和qq郵箱,注意保護自己的信息安全。
q5:論文是否發表,在哪可以看到,能不能發一份
a5:因爲是本科畢設,所以是不發表的。看我覺得沒必要看了,有用的東西都整理在博客裏了,剩下的都是硬的理論,去看看發表的論文或者著作比較好。而且本科畢設水平的論文,發給別人看我是覺得有點小丟人的,沒什麼新鮮的東西。
q6:xxx實驗結果正常嗎/xxx神經網絡可行性高不高
a6:這個不如自己試一試,ai工程師之前一直被戲稱“調參俠”就是因爲很多東西都是試出來的
ps.最後一個小建議,以後如果給導師或者領導發郵件一定不要在發件人名字那裏用奇奇怪怪的名字或者非主流火星文,看上去真的特別奇怪2333333,以前真是聽別人一直這麼說,這回自己看到確實如此。
點擊此處返回總目錄:基於深度學習的軸承故障識別