DeepFault with UOS Dataset

소개

UOS 데이터셋을 활용하여 베어링 결함 진단을 위한 연속 학습(Continual Learning) 프레임워크를 제공한다.

목차

• 설치 방법
• 빠른 시작
• 프로젝트 구조
• 상세 사용법

설치 방법

환경 설정

1. 저장소 클론

git clone https://github.com/On-Device-Bearing-Fault-diagnosis-System-using-Continual-Learning.git
cd On-Device-Bearing-Fault-diagnosis-System-using-Continual-Learning

2. Conda 환경 생성 및 활성화

conda create -n myvenv python=3.8
conda activate myvenv

3. 의존성 패키지 설치

pip install -r requirements.txt

데이터셋 준비

1. UOS 데이터셋 구조: UOS 데이터셋은 연속 학습(Continual Learning) 시나리오에 맞게 세 가지 phase로 구성되어 있다.

   Phase 1 (Deep groove ball bearing)

   Phase 2 (Cylindrical roller bearing)

   Phase 3 (Tapered roller bearing)

2. 프로젝트 루트 디렉토리에 데이터셋을 저장할 폴더를 생성

mkdir data

3. UOS 데이터셋을 다운로드 받고, 압축해제하여 다음과 같이 디렉토리 구조를 구성

data/
├── BearingType_DeepGrooveBall/
├── BearingType_CylindricalRoller/
└── BearingType_TaperedRoller/        

빠른 시작

기본 학습 실행

# ER 알고리즘을 사용한 기본 학습
python main.py --strategy replay

# 전체 학습 데이터 사용
python main.py --strategy joint

프로젝트 구조

DeepFault_UOS/
├── dfb/                    # 핵심 모듈
│   ├── model/             # 모델 구현
│   └── databuilder/       # 데이터 처리
├── src/                    # 소스 코드
│   ├── data/              # 데이터 관리
│   ├── experiments/       # 실험 구현
│   └── utils/             # 유틸리티
├── results/                # 실험 결과
└── configs/                # 설정 파일

상세 사용법

주요 학습 매개변수

python main.py --strategy [replay/joint] [매개변수...]

매개변수	설명	기본값
--strategy	학습 전략 (replay / joint)	replay
--epoch	학습 에폭 수	200
--batch-size	배치 크기	64
--lr	학습률	0.01
--memory-size	replay memory buffer 크기	2000
--device	학습 장치 (cuda/cpu)	cuda