weixin_45279187的博客

和上一个DRSN代码一样是在同一期调试好的，一直没时间发出来，现在直接上代码。以上案例能直接跑通，但是最终的预测效果却很一般。

当时候提出需求的时候，我也不太懂，后面花了两三天写出来了基础代码（就是模型个部分结构基本是固定），后续有花了2天时间修改出来了。比如构建DRSN的Block结构，DRSN与TCN的结合等等。这还是以PHM2012轴承的工况一的七个轴承为例，Bearing1-1和Beanring1-2做训练，后面Bearing1-3到Bearing15这五个做预测.，使用的特征还是之前的示例数据EMD分解后的IMF分量的6个统计特征。总体来说，还是需要对DRSN与TCN的结合进行优化。最后还有与TCN的结合。

需要修改成新的numpy.fft.fft(),也即把代码中的np.fft修改成np.fft.fft()

有小伙伴反映PHM 2012的轴承数据读取代码不会从XJTU的数据读取中修改，我当时没仔细看，直接修改了列的选择，没有修改csv文件命名格式，现在代码已经修改过来，自己过来看看吧。

这里以PHM2012轴承特征数据集为例，采样频率为25.6kHz，采样持续时间是0.1s，采样点数是2560。后续还可以将上述的原始特征集数据作为深度自编网络的输入，进行无监督学习，提取深度特征数据。有需要了解的可以v我csdnfz007。

本博客是针对已经支持代码的粉丝群体，对老版本的基于pytorch版本的时间卷积网络（TCN）代码进行维护和升级，更加有助于粉丝朋友的科研之路

PHM 2012滚动轴承EMD分解和统计特征提取的代码实现

涡扇发动机RUL预测常用的数据处理技术分段线性退化标签处理评价指标单台发动机可视化单独可视化的效果插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入常用的数据处理技术一直以为涡扇发动机的RUL不会有太多人关注，没想到最近有不少粉丝问我，涡扇发动的RUL预测没怎么做单台发动机的可视化。之前由于很早之前也卡在

基于Deep AR模型的轴承RUL预测Deep AR模型1.直接将特征输入到Deep AR模型进行RUL预测2.将Deep AR应用于HI的后处理总结Deep AR模型最早接触DeepAR模型是2020年在简书看到的一篇大佬的博客:https://www.jianshu.com/p/8a900b9ad3d3这位大佬非常详细的讲解了Deep AR的代码实战操作。受大佬的启发，并结合在github上面的搜集的资料，最终本人完成了对Deep AR的探究，并且成功应用于PHM 2012轴承的RUL( ps：不

基于深度学习的寿命预测学习目标：主要列举了一下寿命预测的ideal与技术路线方便各位学习哈，自己总结不易，分享更不易，麻烦给个一间三连哈学习内容：1、 数据预处理2、 RUL预测的模型3、 实现的途径4、 可研究的内容...

这里写自定义目录标题优化算法进行神经网络的参数寻优，解放深度调参1.已经实现的Genetic Algorithm优化Neural Network功能快捷键2.已经实现的PSO优化Neural Network如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入优化算法进行神经网

Remaining useful life estimation in prognostics using deep convolution neural networks RUL预测文献文献中的DCNN模型代码供参考的模型代码训练过程代码损失函数可视化FD001测试集整体RUL预测可视化评价指标neural networks )RUL预测文献最近有道友问了一下关于《Remaining useful life estimation in prognostics using deep convolut

项目场景：提示：今天在笔记本上图像出现python的相对路径均无法识别的bug，到现在为止，只是暂时解决了，不知道后续是否还会出现bug：问题描述：在保存图片时，我需要创建没有的文件夹，因此采用了相对路劲创建的快速间接办法，具体代码如下：plt.plot(new_feats, linestyle='-', linewidth=0.7)plt.grid(linestyle="--")plt.title(Be+"_64Feats_未做归一化")plt.tight_layout()save_pat

ValueError: This model has not yet been built. Build the model first by calling build() or calling当我们训练好模型保存下来之后，想要读取模型以及相关参数，可能会出现以下问题ValueError: This model has not yet been built. Build the model first by calling build() or calling。解决办法一：目前优快云上的很多方法添加

前言在上一期博客，是我安装tensorflow-GPU版本的初步尝试，当时仅仅只是尝试，因为旧电脑的 【算力=2.1】达不到要求，就来简单玩一玩。这个星期，618剁手的新电脑到了，GTX 1660Ti的显卡，准备用于自己平时的学习。话不多说，下分享一下我的安装总结，基本不会遇到什么错误，不过就是在跑代码时，GPU利用率一直在10%左右，为此，我尝试了第一次尝试：1.手动安装准备环境：msys2-x86_64-20200602,然后是bazel，再接着是Visual Studio 2015 update

本人是新手小白，19年10月份左右才开始接触Tensorflow。在此，我想把自己用（1）原生python的批评安装tensorflow出现的ImportError: DLL load failed:的解决方法分享一下。（2）另外本人昨天开始研究tensorflow-gpu安装，并且初次接触Anaconda，在尝试到重重失败后终于装上Tensorflow-GPU版本，并成功运行的经验分享给大家。如有不足之处，请朋友们见谅！下面开始我的沙雕实录。在2019年我一直使用的是原生python，当时由于学