公开的东南大学的齿轮箱数据缺陷识别的的代码

好的，东南大学的齿轮箱数据缺陷识别的代码是一个基于深度学习的算法，主要用于诊断齿轮箱的故障。代码是公开的，您可以在以下网址获取：

https://github.com/mohongzhi/gearbox-fault-detection

该代码是用Python编写的，基于Tensorflow框架实现了卷积神经网络（CNN）和长短时记忆网络（LSTM）模型，用于对齿轮箱振动信号进行分类和诊断。代码提供了完整的数据预处理、模型训练和测试等功能，可以直接在齿轮箱数据集上进行实验和测试。

另外，该代码还提供了一个基于GUI的交互式界面，方便用户进行可视化操作和结果展示。

相关问题

找另外的一个公开的东南大学的齿轮箱数据缺陷识别的的代码

好的，这是另一个基于深度学习的齿轮箱数据缺陷识别的代码，也是由东南大学的研究人员开发的。您可以在以下网址获取：

https://github.com/zhonghao123321/Gearbox-fault-diagnosis

该代码主要采用了卷积神经网络（CNN）和长短时记忆网络（LSTM）两种深度学习模型，用于对齿轮箱振动信号进行分类和诊断。代码提供了完整的数据预处理、模型训练和测试等功能，可以直接在齿轮箱数据集上进行实验和测试。此外，代码还提供了一些可视化工具，方便用户对模型的性能和结果进行分析和展示。

请注意，这两个代码虽然都是由东南大学研究人员开发的，但是它们使用的算法和代码实现可能略有不同。因此，如果您需要进行齿轮箱数据的缺陷诊断和分类等研究，请根据您的具体需求选择适合的代码，并进行相应的调整和优化。

公开的东南大学的齿轮箱数据集

好的，东南大学的齿轮箱数据集是一个公开数据集，包含了多组不同工况下的齿轮箱振动信号和温度信号。该数据集可以用于研究齿轮箱的故障诊断和状态监测等方面。

您可以在以下网址获取该数据集：https://www.phmsociety.org/events/conference/phm/20/data-challenge

该数据集包含了两个子数据集，分别是：

1. 齿轮箱振动信号数据集：包含了4组不同工况下的齿轮箱振动信号，每组数据包含了4个通道的振动信号，采样频率为20kHz，时长为10秒。

2. 齿轮箱温度信号数据集：包含了4组不同工况下的齿轮箱温度信号，每组数据包含了10个通道的温度信号，采样频率为1Hz，时长为10秒。

该数据集还提供了详细的工况信息和数据说明，方便用户进行使用和分析。