摘要：本研究基于卷积神经网络（CNN）开发了一个滚动轴承内圈损伤尺寸分类模型，使用凯斯西储实验室提供的0.14cm和0.21cm损伤数据集进行训练和测试。通过Python实现了一维CNN模型构建、训练和评估流程，包括数据预处理、网络架构设计（含卷积层、池化层等）、模型可视化及测试集验证。结果表明该模型能有效分类两种损伤尺寸，为机械故障诊断提供了可行的智能解决方案。研究完整代码已开源供参考。

本文介绍了使用格拉姆角差场(GADF)技术将一维时序信号转换为图像的方法。GADF通过极坐标编码将时间序列转换为图像，保留时序特征。文章详细说明了实现步骤：1)配置Python环境；2)核心代码实现，包括GADF转换器创建、图像生成和保存；3)批量处理数据集生成图像；4)格式转换。该方法可为深度学习模型构建有效的图像数据集，代码中通过设置随机种子保证结果可重复，并采用jet色彩映射增强特征可视化。

链接: https://pan.baidu.com/s/1VGaEb7ZZayYL5j3duGAq4Q?pwd=jyff 提取码: jyff。--来自百度网盘超级会员v5的分享。