Advertisement

凯斯西储大学的轴承实验数据。

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

简介：
我们收集了大量正常轴承、单点驱动端以及风扇端出现故障的数据。为了获取驱动端轴承的数据，我们分别采用了12kHz和48kHz的频率进行采集。而对于风扇端轴承，则仅使用12kHz的频率进行了数据记录。所有收集到的数据文件都采用Matlab格式（.mat），每个文件都包含了风扇端和驱动端的振动信息，以及电机在测试过程中的转速数据。此外，所有变量的含义如下：DE代表驱动端加速度数据，FE代表风扇端加速度数据，BA代表基本加速度数据，time表示时间序列数据，RPM则表示测试期间的转速（每分钟转数）。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 凯斯西储大学的轴承实验数据
    优质
    凯斯西储大学的轴承实验数据是一套广泛应用于机械工程和数据分析领域的公开数据集。它包含多种类型滚动轴承在不同工况下的振动信号，被研究者用来故障诊断、状态监测及预测维护算法开发。 我们收集了正常轴承以及单点驱动端和风扇端故障的数据。对于驱动端的轴承数据采集频率为12kHz和48kHz。而针对风扇端的轴承，则仅使用了12kHz的频率进行数据采集。 所有数据文件均为Matlab格式（.mat）。每个文件包含有驱动端与风扇端振动信息，以及电机转速的相关记录。在这些文件中，变量名称的具体含义如下： - DE：表示驱动端加速度数据 - FE：代表风扇端加速度数据 - BA：指代基本加速度数据 - time：时间序列数据 - RPM：测试过程中的转速（RPM）
     
  • 凯斯西储大学的轴承数据
    优质
    凯斯西储大学的轴承数据集是用于机械设备故障诊断与健康监测的研究资源，包含多种运行条件下轴承的状态信息。 本资源整理了西储大学轴承的各项数据及详细的数据说明，内容清晰全面，有助于各类研究者进行分析研究，并提高科研水平。
     
  • 凯斯西储大学(CRWU)轴承数据集
    优质
    凯斯西绕大学轴承数据集是一套用于研究机械故障诊断的数据集合，涵盖不同状态下轴承运行的振动信号，广泛应用于学术研究与工业实践。 凯斯西储大学轴承数据集.mat文件在官网以表格形式呈现，并无合集下载选项。手动下载需要分别建立文件夹并单独下载后改名。本资源已整合这些工作，将所有内容打包成压缩包供用户下载。
     
  • 凯斯西储大学轴承数据集.zip
    优质
    凯斯西绕大学轴承数据集包含了各种条件下滚动轴承的振动信号数据，用于故障诊断和健康状态监测的研究与应用。 该数据集为美国凯斯西储大学的轴承数据集，用于开发与验证轴承故障诊断算法。
     
  • 凯斯西储大学CRWU轴承数据集
    优质
    凯斯西绕大学CRWU轴承数据集是由该校研究团队创建的公开数据集合，专注于滚动轴承的故障特征分析和健康状态监测，为机械故障诊断提供重要参考。 CRWU凯斯西储大学轴承数据集是机械故障诊断研究中的重要资源，在轴承故障检测领域具有很高的参考价值。该数据集由美国凯斯西储大学提供，并为学术界和工业界提供了标准的实验平台，用于评估和比较不同故障诊断算法的表现。 作为机械设备的关键部件，轴承的状态直接影响设备运行效率与寿命。一旦发生故障，可能导致严重损坏甚至生产中断。因此，及时准确地识别轴承故障类型对于预防性维护及降低维修成本至关重要。 该数据集包含了多种类型的轴承故障样本，可能包括早期疲劳、剥落、裂纹和滚道磨损等不同模式的损伤情况。每种故障模式下通常包含多个不同程度的实例，以模拟实际工况中故障的发展过程。这些数据通常是通过振动信号的形式记录下来的，因为振动分析是诊断机械问题的一种常见方法。通过对振动信号特征（如频率、幅值及相位）进行分析可以揭示轴承的实际健康状况。 文件可能包括原始时间序列数据和经过预处理的数据结果，例如傅立叶变换或小波变换后的频域表示形式，并以CSV、MAT或者RAW等格式存储。“readme.txt”通常会提供关于采集条件、传感器位置、故障类型及样本数量的详细信息。这些说明对于正确理解和使用该数据集至关重要。 在分析过程中，研究人员一般采用各种信号处理和机器学习技术。例如，他们可能会利用谱分析来识别异常频率或通过特征提取方法（如自相关函数、峭度等）获取故障特性。之后将这些特征作为输入提供给分类器模型，比如支持向量机、随机森林或者神经网络进行自动分类。 为了评估诊断算法的性能，通常会把数据集划分为训练集和测试集，并采用交叉验证策略进一步提高模型泛化能力的表现可靠性。CRWU凯斯西储大学轴承数据集作为故障预测研究的基础平台，在广泛的故障模式与类型中提供了丰富的资料支持，促进了相关技术的发展进步。通过深入挖掘该数据集可以设计出更高效准确的故障预测模型，从而更好地保证机械设备的安全稳定运行。
     
  • 美国凯斯西储大学的轴承数据
    优质
    该数据库由美国凯斯西储大学提供，包含了各类机械设备中滚动轴承在不同工况下的运行数据，旨在支持故障诊断和健康监测的研究。 美国凯斯西储大学的轴承数据在我的论文实验中证明非常有用。
     
  • 凯斯西储大学轴承实验室的故障诊断数据
    优质
    凯斯西储大学轴承实验室的故障诊断数据集包含了详尽的机械设备运行状态记录，尤其专注于滚动轴承在不同工况下的性能变化与失效模式分析。该数据集广泛应用于机械健康监测及预测性维护研究领域。 数据集保存在MATLAB环境下，并以.mat命名。我在Python环境中使用该数据集，在SVM和支持向量机及BPNN（反向传播神经网络）下均获得了良好的结果。原始数据集本身较为整齐，符合正态分布。
     
  • 凯斯西储大学(CWRU)滚动轴承数据集
    优质
    凯斯西储大学(CWRU)滚动轴承数据集是由该校研究人员创建的维护和故障诊断研究用数据库，包含多种工况下滚动轴承的振动信号。 数据集来源于凯斯西储大学（CWRU）滚动轴承数据中心。试验对象为驱动端的深沟球轴承 SKF6205，该型号的轴承存在由电火花加工制造而成的不同故障状态。系统的采样频率设定为12kHz。 在被诊断的轴承中，有三种不同的缺陷位置：滚动体损伤、外圈损伤与内圈损伤，并且每种缺陷又有不同程度的直径大小变化，分别是0.007英寸, 0.014英寸和0.021英寸。因此，总共有九种不同状态下的受损轴承用于研究分析。
     
  • 凯斯西储大学轴承数据集说明书.docx
    优质
    本文档为凯斯西绕大学轴承数据集提供详细说明，涵盖数据收集方法、实验设置及特征参数解析等内容，旨在促进机械设备健康监测与诊断领域的研究进展。 凯斯西储大学轴承数据集是一个广泛使用的机器学习研究资源，主要用于滚动轴承的故障诊断与预测分析。该数据集包含各种运行条件下采集到的不同类型的信号，包括正常工作状态以及不同阶段下的故障情况。这些信号被用来训练和测试算法模型，以实现对设备健康状况的有效监测，并提前识别潜在问题。 此数据集对于研究者而言具有极高的价值，因为它能够提供详细且全面的轴承性能信息，在学术界与工业应用中均得到广泛应用。通过分析该数据集中包含的各种故障模式及其演化过程，研究人员可以开发出更准确、高效的预测维护策略，从而提高机械设备的安全性和可靠性。 总之，凯斯西储大学轴承数据集为滚动轴承健康状态评估及相关机器学习算法的研究提供了一个宝贵的平台和资源库。
     
  • 01 凯斯西储大学轴承数据资源中心.rar
    优质
    凯斯西储大学轴承数据资源中心专注于滚动轴承的故障诊断与健康监测研究，提供大量实验数据供全球科研人员使用，促进相关技术的发展。 凯斯西储大学（CWRU）轴承中心的轴承实验室提供了经典数据集，包括正常运行状态下的所有数据、12k采集频率的驱动端数据、48k采集频率的驱动端数据以及12k采集频率的风扇段数据和轴承在正常情况下的振动数据。文件较大，请耐心下载。