Advertisement

新能源汽车(NEV)故障诊断数据集(CSV格式，含11K+记录及8个特征)

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：7Z

简介：
本数据集包含超过11,000条记录，涵盖新能源汽车（NEV）故障诊断所需八个关键特征的数据，以CSV格式提供。 该数据集专为新能源汽车（NEV）的故障诊断而设计，特别关注驱动系统内的故障识别与分类。它包括从车辆系统嵌入的各种传感器收集的数据，例如电压、电流、电机速度、温度、振动以及环境中的温度和湿度等信息。此数据集涵盖了正常运行状态下的数据及反映电机、逆变器和电池等关键部件出现故障时的数据。 该数据集旨在用于训练与测试深度学习模型，并特别适用于开发高级故障检测系统，以提升电动汽车的安全性和可靠性。此外，通过使用指示不同类别的标签（如0代表正常运作，1至3则表示不同的故障类型），确保了数据的平衡性。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 新能源汽车(NEV)故障诊断数据集(CSV格式，含11K+记录及8个特征)
    优质
    本数据集包含超过11,000条记录，涵盖新能源汽车（NEV）故障诊断所需八个关键特征的数据，以CSV格式提供。 该数据集专为新能源汽车（NEV）的故障诊断而设计，特别关注驱动系统内的故障识别与分类。它包括从车辆系统嵌入的各种传感器收集的数据，例如电压、电流、电机速度、温度、振动以及环境中的温度和湿度等信息。此数据集涵盖了正常运行状态下的数据及反映电机、逆变器和电池等关键部件出现故障时的数据。 该数据集旨在用于训练与测试深度学习模型，并特别适用于开发高级故障检测系统，以提升电动汽车的安全性和可靠性。此外，通过使用指示不同类别的标签（如0代表正常运作，1至3则表示不同的故障类型），确保了数据的平衡性。
     
  • 发动机故障检测数据集（超1000条记录，11个特征）CSV
    优质
    本数据集包含超过1000条发动机运行状态记录，每个样本涵盖11项关键特征参数，旨在支持故障诊断与预测分析。格式为CSV文件。 该数据集模拟了来自各种类型发动机的传感器读数，用于检测机械系统中的发动机故障，尤其是在汽车应用中。它可以在一系列时间间隔内捕获与发动机性能、故障条件和运行模式相关的数据。 列： - 时间戳：记录数据的时间点，从2024年12月24日上午10:00开始生成，并且每5分钟记录一次。 - 温度（°C）：发动机温度范围在60°C至120°C之间，这是典型的工作环境。 - RPM（每分钟转数）：表示发动机曲轴旋转速度的数据，在正常情况下大多数发动机的RPM值介于1000到4000之间。 - 燃油效率（公里/升）：燃油消耗效率范围在15至30公里/升，反映了运行期间燃料使用情况。 - 振动X、振动Y、振动Z：沿发动机三个轴的振动读数。每个轴上的数值从0到1变化，较高的值可能指示与故障相关的异常振动。 - 扭矩（Nm）：表示发动机产生的旋转力的数据，在50至200 Nm之间。 - 功率输出（kW）：代表执行工作的速率，范围在20至100 kW之间。 - 故障条件：此字段用于分类模型的目标变量，它以整数形式表示故障的严重性： - 0: 正常 - 1: 轻微故障 - 2: 中等故障 - 3: 严重故障 - 运行模式：描述发动机运行的不同状态。可能的状态包括怠速、巡航和重负荷。 数据集特征： - 数据量为1000条记录，每一条代表引擎在特定时间点的性能快照。 - 故障条件包含从正常到严重的四个级别，有助于模型训练以预测潜在故障情况。 - 生成的数据旨在模拟典型的发动机运行状况及故障场景。 - 包含关键指标如温度、RPM值、燃油效率、振动水平、扭矩和功率输出等传感器数据。
     
  • 电梯故障监控预警数据集（104.8万+记录，10个特征）CSV
    优质
    该数据集包含超过104.8万条记录和10个特征，用于监控和预测电梯故障情况。以CSV格式存储，为研究与分析提供了丰富的数据资源。 目的：支持开发和测试用于电梯故障监控、预测性维护及早期预警系统的机器学习模型。 数据来源：基于真实电梯操作和传感器行为的模拟数据。 时间跨度：涵盖10台电梯30天运行，采样频率为每秒4个读数（即4Hz）。 文件格式：CSV 数据组成： 行数：每天约有170万条记录（假设每部电梯每日运行时间为12小时） 列数：共包含以下十个字段： - Elevator_ID: 每台电梯的整数值标识符 (范围为 1 到 10)。 - 时间戳：每个传感器读取值对应的日期和时间信息。 - Motor_Current（安培）：电机吸收电流强度。 - Torque（牛·米）：施加于电梯滑轮上的扭矩大小。 - Brake_Status：二进制状态码，表示刹车是否处于激活状态 (1 表示激活, 0 表示非激活)。 - Humidity（%RH）: 指代电梯井内相对湿度水平百分比数值。 - Vibration_X、Vibration_Y 和 Vibration_Z （米/秒²）：沿X轴、Y轴和Z轴方向的振动测量值。 特点： Fault_Label 分类标签定义如下： 0 - 表示正常运行状态，无故障发生； 1 - 标记为轻微故障（如门未对准等状况）； 2 - 指示严重故障情况（比如电机损坏）。
     
  • 发动机故障检测数据集（10K记录，12特征）CSV
    优质
    这是一个包含10,000条记录的数据集，每条记录有12个特征值，用于检测发动机故障情况。所有数据以CSV格式存储。 此数据集旨在利用高级信号处理及机器学习技术来检测并分类发动机故障。它包含了在不同运行条件下收集的传感器读数，涵盖正常、轻微故障以及严重故障状态。 该数据集包含11个自变量（包括传感器读数和衍生特征）与1个因变量（即发动机状况标签）。以下是各列的具体说明： | 色谱柱名称 | 描述 | 单位范围 | |---------------------|-------------------------------|----------------------| | Vibration_Amplitude | 发动机测得的峰值振动幅度 | mms² | 0.1 - 10.0 | | RMS_Vibration | 发动机振动均方根（RMS） | mms² | 0.05 - 5.0 | | Vibration_Frequency | 发动机振动频率 | Hz | 20 - 2000 | | Surface_Temperature | 发动机表面温度 | °C | 30 - 150 | | Exhaust_Temperature | 废气温度 | °C | 200 - 600 | | Acoustic_dB | 发动机产生的噪声级 | dB | 60 - 120 | | Acoustic_Frequency | 发动机的声学信号频率 | Hz | 100 - 5000 | | Intake_Pressure | 进气歧管压力 | kPa | 90 - 120 | | Exhaust_Pressure | 废气压力 | kPa | 80 - 110 | | Frequency_Band_Energy| 特定频段内信号的能量（来自短时傅里叶变换）|任意单位 | 0.1 - 1.0 | | Amplitude_Mean | 指定时间窗口内的平均信号振幅 |任意单位 | 0.01 - 0.5 | 数据特性： - 总样本数：10,000 - 类别分布： - 正常（标签为“0”）：60%，表示发动机运行无故障。 - 轻微故障（标签为“1”）：30%，表明存在轻微问题。 - 严重故障（标签为“2”）：10%，显示在严重故障条件下运行。
     
  • matlabsvm1.rar_故障特征提取与数据分类_故障数据处理_数据特征分析_诊断分类
    优质
    matlabsvm1.rar提供了基于MATLAB和SVM算法进行故障特征提取、数据分类及故障数据分析的方法，适用于深入研究故障数据处理和诊断分类。 支持向量机可以用于数据分类和特征提取，在机械故障诊断领域具有应用价值。
     
  • 用于故障诊断分析的变压器故障DGA数据集（Excel格式）
    优质
    本数据集提供了一个基于Excel格式的变压器故障诊断气体分析(DGA)样本集合，旨在支持电力设备维护中的故障识别和预测研究。 油中溶解气体的相关数据包括五种气体的数据（H2、CH4、C2H6、C2H4、C2H2）及对应的故障类型样本总数为357组，共包含七种故障类型（含正常状态）。这些数据在sheet1中以排序形式呈现，在sheet2中则包括归一化处理后的数据。
     
  • 汽车刹车系统的故障诊断.doc
    优质
    本文档《汽车刹车系统的故障诊断》详细介绍了汽车刹车系统可能出现的各种故障及其诊断方法，旨在帮助读者掌握有效的维修和保养技巧。 汽车制动系统故障诊断文档提供了一套针对车辆刹车问题的排查方法和技术指导，旨在帮助技术人员准确快速地定位并解决制动系统的各种常见及复杂故障。该文档详细介绍了从基本检查到高级分析的各项步骤，并结合实际案例深入讲解了如何运用专业工具和技巧进行有效维修。通过学习这份资料，读者可以提升自己在汽车维护领域的技能水平，确保车辆的安全性能得到保障。
     
  • 智能故障诊断及专家系统_故障诊断_故障诊断与专家系统_故障诊断系统_专家诊断系统_诊断系统
    优质
    本项目聚焦于开发先进的智能故障诊断及专家系统，结合人工智能技术实现对复杂设备和系统的高效、精准故障分析。该系统能够提供快速的故障定位、原因解析以及维修建议，显著提升工业生产效率与安全性。通过集成机器学习算法和知识库管理，我们致力于打造一个智能化程度高、适应性强的故障诊断平台，广泛应用于制造业、能源行业等多个领域。 智能故障诊断与专家系统详细介绍了故障诊断的过程及算法步骤。
     
  • PCA故障诊断.zip_PCA故障诊断_基于Matlab的PCA故障数据分析与诊断
    优质
    本资源提供了基于Matlab进行PCA（主成分分析）的故障数据处理和诊断方法，适用于工业过程监测与维护。 该文件包含了故障诊断数据集以及可供参考学习的Matlab代码。