旋转机械故障诊断公开数据集整理

最新推荐文章于 2025-03-15 11:05:30 发布

置顶

山中云客

最新推荐文章于 2025-03-15 11:05:30 发布

阅读量5.5w

点赞数 107

分类专栏： Paper

本文链接：https://blog.csdn.net/hustcxl/article/details/89394428

版权

本文整理了多个用于旋转机械故障诊断的公开数据集，包括CWRU、MFPT、德国Paderborn大学等知名机构提供的数据。这些数据集在故障诊断研究中广泛使用，每个数据集都有相应的获取途径和参考文献，对于研究人员极具价值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

旋转机械故障诊断公开数据集整理

众所周知，当下做机械故障诊断研究最基础的就是数据，再先进的方法也离不开数据的检验。笔者通过文献资料收集到如下几个比较常用的数据集并进行整理。鉴于目前尚未见比较全面的数据集整理介绍。数据来自原始研究方，笔者只整理数据获取途径。如果研究中使用了数据集，请按照版权方要求作出相应说明和引用。在此，公开研究数据的研究者表示感谢和致敬。如涉及侵权，请联系我删除（787452269@qq.com）。欢迎相关领域同仁一起交流。很多优秀的论文都有数据分享，本项目保持更新。星标是比较通用的数据集。个别数据集下载可能比较困难，需要的可以邮件联系我，如版权方有要求，述不提供。本文在github地址为旋转机械故障数据集

1.☆CWRU（凯斯西储大学轴承数据中心）

数据下载连接（https://csegroups.case.edu/bearingdatacenter/pages/welcome-case-western-reserve-university-bearing-data-center-website）
CWRU数据集是使用最为广泛的，文献较多。不一一举例。其中University of New South Wales 的Wade A. Smith在2015年进行了比较全面的总结和对比[1]。比较客观的综述和分析了使用数据进行诊断和分析研究的情况。官方网站提供的是.mat格式的数据，MATLAB直接使用比较方便。
Github上有人分享了在python中自动下载和使用的方法。https://github.com/Litchiware/cwru
R语言中使用的方法：https://github.com/coldfir3/bearing_fault_analysis
Smith W A, Randall R B. Rolling element bearing diagnostics using the Case Western Reserve University data: A benchmark study[J]. Mechanical Systems and Signal Processing, 2015,64-65:100-131.