毕设课题为：基于迁移学习的离心泵轴承故障自动识别方法研究
数据集：凯斯西储大学轴承故障数据集
研究思路：1、对凯斯西储大学轴承数据集中采样频率为12kHz的驱动端轴承故障数据进行频域特征提取，提取方法如下：
        （1）0X-5X分为15段，分段取RMS
        （2）5X-10X分为10段，分段取RMS
        （3）10X-20X分为10段，分段取RMS
        （4）20X-100X分为8段，分段取最大值，若超过采样频率限制，则取0
        （负载为0，1，2，3的转速分别为1797，1772，1750，1730，由rpm/60=倍频，可得不同负载情况下的倍
        频均接近30Hz，故取倍频X=30Hz）
        
        2、构建CNN模型对频域特征进行训练，构造二分类器，实现异常检测
          （1）利用tensorflow后端的keras建立自己的训练模型，模型结构参照某大神论文，结构如下：
          
          （2）12kHz-DE端轴承故障数据文件60个，正常数据文件4个，正常数据标记0，故障数据标记1，分别将提
           取完特征并作好标签的数据和作好标签的原始时序数据输入到同一个网络中训练，分析并观察其诊断性能。
           
          （3）分别对输入数据不同的两个网络（结构相同）进行调参（Dropout rate、batch_size、epochs），
           使得网络在准确率达标的情况下（90%以上）泛化性最好。
           
        3、使用实验室小轴承台的轴承故障数据对CNN进行迁移训练