Advertisement

DataCastle轴承故障预测数据集修订版

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


简介:
DataCastle轴承故障预测数据集修订版提供了更新后的轴承运行状态信息和故障数据,旨在促进机械设备健康管理和预测维护研究。 DataCastle轴承故障预测数据集包含两个可供下载的文件:1. train.csv 是训练集数据,记录了编号为1到6000的时间序列连续采样振动信号数值,每行代表一个样本,共有792条数据。其中第一列id字段是样本编号,最后一列label字段表示轴承的工作状态标签,用数字0至9来标识工作状况。 2. test_data.csv 是测试集数据,包含528个样本的数据记录。除了没有标签(即无 label 字段)外,其余的格式和训练集文件一致。整体来看,每行数据除去id和label字段后是轴承一段时间内的振动信号数值,参赛者需要根据这些振动信息来判断轴承的工作状态。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • DataCastle
    优质
    DataCastle轴承故障预测数据集修订版提供了更新后的轴承运行状态信息和故障数据,旨在促进机械设备健康管理和预测维护研究。 DataCastle轴承故障预测数据集包含两个可供下载的文件:1. train.csv 是训练集数据,记录了编号为1到6000的时间序列连续采样振动信号数值,每行代表一个样本,共有792条数据。其中第一列id字段是样本编号,最后一列label字段表示轴承的工作状态标签,用数字0至9来标识工作状况。 2. test_data.csv 是测试集数据,包含528个样本的数据记录。除了没有标签(即无 label 字段)外,其余的格式和训练集文件一致。整体来看,每行数据除去id和label字段后是轴承一段时间内的振动信号数值,参赛者需要根据这些振动信息来判断轴承的工作状态。
  • PHM2012
    优质
    简介:PHM2012轴承数据集修订版包含了全面更新和优化的滚动轴承运行状态信息,为预测维护研究提供了宝贵的数据支持。 PHM2012轴承数据集包含了真实的实验数据,描述了滚珠轴承在其整个使用寿命期间直至完全失效的退化情况。挑战集用于估计轴承的剩余使用寿命(RUL)。该数据集中有三种工况,每种工况有两个训练集;工况一和工况二各有五个测试集,而工况三有一个测试集。PHM挑战数据集为参与者提供了六个运行至故障的训练数据集以建立预测模型,并且截断了11个测试轴承的监测数据,要求参与者准确估计这11个剩余轴承的RUL。
  • PHM2012
    优质
    PHM2012轴承数据集修订版是对原始PHM2012轴承状态监测数据进行更新和优化后的版本,包含了改进的数据处理方法与更全面的故障模式分析。 PHM2012轴承数据集是一个广泛应用于故障预测与健康管理(PHM)研究的专业数据集,在机械工程及工业物联网领域尤为突出。该数据集源自于2012年IEEE PHM挑战赛,旨在推动健康管理系统的发展、帮助设备故障的早期识别,并通过提高维护效率减少不必要的停机时间。 核心内容包括滚动轴承在不同工作状态下的传感器采集信号,如振动和温度等。由于这些部件对机械设备的整体运行至关重要,分析其数据有助于提前预测潜在问题并采取预防措施,从而延长设备寿命及提升工作效率。 该数据集包含多个子文件夹: 1. **训练数据**:涵盖各种健康状态下轴承样本的数据。 2. **测试数据**:用于评估模型性能的未标记故障模式样本。 3. **元信息**:记录每个传感器信号采集的具体条件和参数设置等详细描述。 4. **标签文件**:提供每份样本对应的健康状态或具体故障类型,对于监督学习非常关键。 5. **文档资料**:解释数据集结构、格式以及使用指南。 在处理该数据集中,研究人员通常会采取以下步骤: - 特征提取:从原始信号中抽取有助于模型训练的关键特征(如频谱分析和时间序列统计)。 - 数据预处理:包括噪声消除、标准化及填补缺失值等工作以提升算法性能。 - 模型建立与优化:利用支持向量机(SVM)、随机森林(RF)或深度学习等技术来识别健康状态并预测故障模式。 - 性能评估:通过交叉验证和计算AUC(曲线下面积)等方式评价模型准确性及鲁棒性。 - 故障诊断与寿命预测:使用训练好的算法对未知数据进行分析,以提前发现可能的问题,并估算剩余使用寿命(RUL)。 PHM2012轴承数据集为研究人员提供了一个重要的研究平台,有助于推动故障预警技术的进步,并广泛应用于航空、汽车制造及能源等行业设备的健康管理。
  • CWRU整理
    优质
    本数据集为克利夫兰凯斯西储大学(CWRU)提供的轴承故障样本集合,内含各类运行条件下不同故障类型的轴承信号,旨在支持滚动元件轴承健康监测的研究与应用。 完整的凯斯西储大学(Case Western Reserve University)轴承故障数据集(CWRU bearing dataset),以及用于绘制时域故障数据的Matlab程序。
  • 5号警的IMS.rar
    优质
    该数据集为研究轴承故障预警提供关键信息,包含编号为5号的轴承在不同运行状态下的传感器数据,适用于工业维护系统的改进与开发。 使用GRU、LSTM、RNN和SVR分别对退化指标进行预测。
  • CBR1.zip_CBR1_分类_诊断_
    优质
    本项目包含一套针对工业设备中常见问题——轴承故障的专业诊断系统。通过先进的算法和数据处理技术,有效识别并分类不同类型的轴承损伤,为维护工作提供精准依据,确保机械运行安全与效率。 这段代码是基于案例推理的滚动轴承故障诊断的MATLAB代码,能够实现故障的自动分类和诊断。
  • FreqBand_entropy_诊断_频带熵在中的应用__
    优质
    本文探讨了频带熵在轴承故障诊断中的应用,通过分析不同频率段的信息量来有效识别和评估轴承的健康状态。该方法为机械设备的状态监测提供了新的视角和技术支持。 频带熵的MATLAB代码可用于在噪声干扰下诊断轴承故障。
  • 西储大学,用于诊断
    优质
    简介:西储大学轴承数据集是一套专为研究和教学设计的数据集合,涵盖多种工况下的轴承运行信号,旨在支持轴承故障检测与诊断技术的发展。 西储大学数据集和轴承数据集用于进行轴承故障诊断研究。这些数据集被广泛应用于基于机器学习、深度学习及信号处理的轴承故障检测技术中。
  • Autogram_诊断_Autogram__诊断
    优质
    Autogram是一款专注于轴承故障诊断的专业工具。通过分析振动和噪音数据,提供准确及时的维护建议,有效预防设备损坏与生产中断。 Autogram能够适当地选择频带,用于轴承等故障诊断。
  • main_matlab;emd;诊断_诊断_
    优质
    本项目基于MATLAB环境,运用经验模态分解(EMD)技术进行轴承故障诊断。通过分析信号特征实现对各类轴承故障的有效识别与评估。 基于EMD的滚动轴承故障诊断在驱动计数端内圈故障检测方面效果明显;而在风扇计数端及基础计数端的内圈故障中,基于EMD的包络解调的效果较差或无效,只能观察到转频信号,而无法清晰地识别出故障频率。