mcw-bupt / CWRU_14

【移动互联网应用课程设计】第14组CWRU项目汇总

CWRU_14

【移动互联网应用课程设计】第14组CWRU项目汇总

---

项目概述

本项目针对CWRU数据集进行轴承故障预测，即对测试数据实现4分类——正常基座数据（NORMAL），滚动体故障（B），内圈故障（IR），外圈故障（OR）。最终目标是实现一个可提供给运维人员使用的工业APP。

借助平台：www.phmlearn.com

目录结构

【code】

• TrainModel

  • STEP1_feature.py
  • STEP2_merge.py
  • STEP3_fill.py
  • STEP4_train&save.py

• UseModel

  • STEP1_testdata_feature.py
  • STEP2_usemodel_predict.py

【data】

• train：训练集

  • NORMAL01.csv - NORMAL02.csv
  • B01.csv - B06.csv
  • OR01.csv - OR14.csv
  • IR01.csv - IR06.csv

• test1 : 第一组测试集（TEST01.csv - TEST14.csv）

• test2 : 第二组测试集（TEST1.csv - TEST142.csv）

【miniprogram】

• commpents：组件库

• components：其他组件库

• imgs：小程序中用到的背景图

• pages

  • chartonea：数据表格页面
  • index：首页
  • my：个人中心，登录页面
  • show：数据展示页面

• util：用户配置文件

• app.js / app.json / app.wxss：全局配置文件

【othercode】

• balance.py
• feature_shipinyu.py
• feature_shiyu.py

【cwru.model】：训练好的四分类模型

【result.csv】：第二组测试数据的故障预测结果

版本管理

v 1.0.0

依赖配置

1. Python环境

• Python 3.6及以上版本

2. python 开发工具

• PyCharm

3. 需要配置的python依赖包

• pandas-0.23.2-cp37-cp37m-win_amd64.whl
• numpy-1.16.6-cp37-cp37m-win_amd64.whl
• scipy-1.4.1-cp37-cp37m-win_amd64.whl
• scikit_learn-0.19.2-cp37-cp37m-win_amd64.whl
• PyWavelets-1.1.1-cp37-cp37m-win_amd64.whl
• json5-0.9.3-py3-none-any.whl
• joblib-0.14.1-py2.py3-none-any.whl

4. 微信小程序开发环境

• 微信web开发者工具

部署说明

1. Python环境

在Windows环境下推荐直接下载Anaconda完成Python所需环境的配置。

下载地址为：https://www.anaconda.com/。

2. PyCharm安装及配置

详细过程可参考教程：https://blog.csdn.net/yang520java/article/details/80255659。

下载地址为：http://www.jetbrains.com/pycharm/download/#section=windows。

3.本项目依赖的Python库安装说明

1）更新pip

python -m pip install --upgrade pip

2）下载库文件（以pandas为例）

在网址https://www.lfd.uci.edu/~gohlke/pythonlibs/ 中找到你需要的库文件版本。

例如windows 64 位 Python3.7 对应下载:pandas-1.0.3-cp37-cp37m-win_amd64.whl。下载后放置到Python的安装目录。

3）安装库文件（以pandas为例）

cmd进入终端，cd到Python的安装目录，即下载文件放置的目录，在终端输入如下命令：

pip install pandas-1.0.3-cp37-cp37m-win_amd64.whl

运行说明

一. 算法和模型

1. 训练模型

按照文件名的标注，顺序执行 STEP1 - STEP4 对应的 .py 文件：

• STEP1_feature： 对训练数据集进行预处理和特征提取
• STEP2_merge： 将处理完的训练数据集合并成一个.csv文件
• STEP3_fill： 对NORMAL中的空值进行填充
• STEP4_train&save： 使用处理完的训练数据训练模型并保存

2. 调用模型进行预测

按照文件名的标注，顺序执行 STEP1 - STEP2 对应的 .py 文件：

• STEP1_testdata_feature： 对测试数据集进行特征提取
• STEP2_usemodel_predict： 调用保存的模型对处理后的测试数据进行故障分类

二. 微信小程序部分

​ 在微信开发者工具中导入miniprogram项目即可进行编译。

注意事项

1. 运行代码时，将原路径更换为自己的路径，且路径名最好不含中文
2. 模型的特征维数和测试数据处理后的特征维数必须相等