MSCNN_LSTM_Attention模型下轴承故障诊断（Python，TensorFlow框架下，很容易改为其它模型，解压缩后可以直接运行，无需修改数据目录，代码有详细注释）
代码运行环境要求
tensorlfow>=2.4.0
python>=3.6.0,
其他库版本无要求（可以远程协助运行代码）
1.数据集
使用凯斯西储大学轴承数据集，一共有4种负载下采集的数据，每种负载下有10种 故障状态：三种不同尺寸下的内圈故障、三种不同尺寸下的外圈故障、三种不同尺寸下的滚动体故障和一种正常状态。
2.模型（MSCNN_LSTM_Attention）
使用数据增强的方式：重叠切割（每个样本长度是1024）
3.效果
0HP数据集(训练集与测试集比例为7:3)，测试集准确率为100.00%
1HP数据集(训练集与测试集比例为7:3)，测试集准确率为100%
2HP数据集(训练集与测试集比例为7:3)，测试集准确率为99.86%
3HP数据集(训练集与测试集比例为7:3)，测试集准确率为100.00%
