帕德伯恩大学轴承数据集（PU）介绍

最新推荐文章于 2024-11-22 13:48:02 发布
最新推荐文章于 2024-11-22 13:48:02 发布
阅读量2.6w 收藏 168
点赞数 18
分类专栏： 机械故障诊断数据集 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_47180208/article/details/118268628
版权
帕德伯恩大学轴承数据集包含6203轴承的人为和真实损伤样本，采用64kHz采样率的压电加速度计收集振动信号。数据集根据ISO 15243对损伤进行分类，包括疲劳、磨损等六种模式。介绍了损伤的组合、重复、多重情况，以及几何尺寸、损伤程度和特征。数据集中包含了32种实验，涉及12个人为损坏、14个真实损坏和6个健康轴承的实验。损坏轴承通过EDM、钻孔和手动电动雕刻等方法制造。
摘要由CSDN通过智能技术生成

PU数据集介绍

一、帕德伯恩大学轴承数据集

数据集下载地址
从帕德伯恩大学获得的PU数据集是一个6203轴承数据集，包括人为诱发的和真实的损害。采用压电加速度计采集轴承座的振动信号，采样频率为64 kHz。通过改变驱动系统的转速，测试轴承上的径向力，以及驱动系统上的负载扭矩，PU数据集由四种运行条件组成。
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

故障类别说明

每个压缩包内都有一个轴承故障说明文件，如下所示：
在这里插入图片描述
ISO 15243给出了轴承损坏和失效分类的方法。将损伤分为六种主要损伤模式及其子模式。六种主要的损伤模式是:疲劳、磨损、腐蚀、电侵蚀、塑性变形、断裂和开裂。作者提供了一个分类标准，标准分为四个主要类别，前三种提供关于轴承的信息，第四种提供关于损伤的详

最低0.47元/天 解锁文章
稀疏表示（5）之帕德博恩（Paderborn）轴承数据集测试非负矩阵分解(NMF)
cnjs1994的博客
03-07 1220
详细阐述了非负矩阵分解NMF方法的使用，及其在时频图特征提取上的作用。
轴承信号的包络谱分析、故障特征频率计算以及在帕德博恩（Paderborn）数据集测试
cnjs1994的博客
08-11 2955
从技术原理到matlab、python语言的方法实现，本文细致讲解了包络谱的生成、基于谱峭度的窗参数选择，以及在公开数据集上的测试效果。通过轴承故障频率函数，求解并验证了方法的可行性。
帕德博恩数据集详细解读（一看就懂）
11-10
帕德博恩数据集详细解读（一看就懂）
将PU（帕德博恩）数据集处理为CSV并绘制时频图
Dkzlh的博客
01-15 1530
为方便deeplearner学习，将PU数据集（.mat）处理为csv格式并绘制时频图以观察数据特征
PU轴承数据集分析
最新发布
3hex的博客
11-22 443
提取码: 1111。
2020-11-03Paderborn大学轴承数据集
qq_42237342的博客
11-03 1万+
个人学习记录 德国Paderborn大学轴承数据集解释 数据集下载：Paderborns轴承数据集 简单描述：提供了基于振动和电动机电流信号的状态监测（CM）实验轴承数据集。 测试台和测量设备介绍 测试台是一个模块化系统，可生成分析电机电流信号得出的相应特征和损坏特性所需的测量数据。 测试台的基本构成是由充当传感器的驱动电机（永磁同步电机），扭矩测量轴，测试模块和负载电机（同步伺服电机）。 模块化设置确保了灵活的应用来分析各种机械缺陷和损坏。 轴承轴和齿轮的不对中和倾斜结构性地集成到测试台的模块中，引起
德国 帕德博恩大学 Bearing DataCenter
weixin_39458727的博客
02-27 3925
数据下载链接：https://mb.uni-paderborn.de/kat/forschung/datacenter/bearing-datacenter/研究所和KAt-DataCenter链接的名称：Christian Lessmeier等，KAt-DataCenter：mb.uni-paderborn.de/kat/datacenter，​ PU数据集由Christian Lessmeier 等人提供，用于数据驱动的轴承故障诊断。
德国-帕德博恩大学轴承数据集解读
ynn4818172的博客
01-30 1万+
德国-帕德博恩大学轴承数据集解读
德国帕德博恩大学轴承数据集：机械故障诊断的黄金标准
gitblog_06587的博客
10-31 578
德国帕德博恩大学轴承数据集：机械故障诊断的黄金标准 【下载地址】德国-帕德博恩大学轴承数据集解读分享 本资源文件提供了一份详尽的指南，深入解析了德国帕德博恩大学发布的轴承数据集，这是专为机械故障诊断领域研究人员准备的重要资料。数据集涵盖了多种轴承损伤情况，旨在支持基于数据驱动的故障识别和分类研究。通过对不同损伤类型（包括...
制备高光谱与多光谱融合数据集Pavia University (PU) 用于CNMF算法融合教程
热爱分享，热爱记录
07-16 1900
高光谱与多光谱融合是遥感图像处理中的一个技术，用于结合高光谱图像和多光谱图像的优点，从而生成具有高空间分辨率和高光谱分辨率的图像。这种融合技术在遥感、环境监测、农业、城市规划等领域有着广泛的应用。高光谱图像 (HSI)特点：高光谱图像捕捉了光谱的许多细小波段，通常在几十到几百个波段之间，因此具有高光谱分辨率。优点：能够捕捉更多的光谱信息，有助于更准确地识别和分类不同的物质。缺点：空间分辨率较低，即图像的空间细节较少。多光谱图像 (MSI)特点。
滚动轴承数据（各种故障）
03-13
文件夹内包含滚动轴承数据，数据量较大，本次实验采用的轴承包括状态良好的轴承、外圈有剥落的轴承、 内圈有剥落的轴承、滚珠有剥落的轴承以及保持架断裂的轴承。
帕德伯恩大学轴承数据集（PU）读取
09-28
帕德伯恩大学轴承数据集（Paderborn University Bearing Data Set，简称PU-BDS）是一个用于机械故障诊断研究的公开数据集。它包含多个旋转机器轴（如轴承）的振动信号，以及对应的实际健康状况标签，例如正常运行、...
读取帕德伯恩大学轴承数据集（PU）python代码
09-28
读取帕德伯恩大学（University of Paderborn, 简称 PU）的轴承数据集通常涉及到使用Python的数据处理库Pandas来加载CSV文件。这个数据集包含了关于轴承状态监测的数据，常常用于故障诊断的学习项目。以下是使用...
paderborn_帕德伯恩大学轴承数据集
10-29
帕德伯恩大学轴承数据集是帕德伯恩大学开发的一个包含轴承运行数据的数据集。 这个数据集包含了来自实验室测试的四个故障模式的轴承数据。故障模式分别为：内圈故障、外圈故障、滚珠故障和正常运行。每个故障模式下...
PU学习相关知识
阿也的博客
06-23 796
1. UCI上的12个数据集（如何预处理） （1）首先需要将多类别转化为两类别，positive和negative，论文"Positive and Unlabeled Learning with Label Disambiguation"中的多类别转两类别是将其中几个类别样本看作是positive（在本文中是先分开，之后处理完之后再训练模型之前加百分之p的正样本作为unlabeled samples），剩余的类别样本看作是negative。似乎是相似的类别转化为同一个类别！ （2）需要对数据进行预处理，即归
读研之掉进故障检测（八）—辛辛那提大学IMS轴承数据集数据分析（带代码）
AS_the_deer1717的博客
10-31 6092
本文将对IMS轴承数据集进行简要的说明，以及对其进行时域分析、频谱分析等关于数据集，我是用CSDN里面老哥提供的下载数据集中一个有三个文件夹，分别是三份数据。具体介绍如下。简要的说明是，文件统一是Ascll格式的数据。文件每10分钟记录一次数据，每个文件由20,480个点组成，采样率设置为20 kHz（但是在一篇具体介绍论文中指出了其实实际频率是20.48KHZ因此一个文件也就是采集了1s的数据。
凯斯西储大学轴承数据介绍及处理
热门推荐
zhulewen的博客
07-17 2万+
凯斯西储大学轴承数据介绍及处理
轴承数据大类 如何训练自己的数据集轴承类
2401_88441190的博客
10-26 797
轴承数据集大类 1.轴承数据集 轴承缺陷数据集 3类5824张xml2.滚动轴承数据集 故障诊断，预测、分类 最全套数据集 j集合西储大学XJTU西安交通大学江南大学渥太华变速轴承数据集可做对比实验
写一段python代码加载帕德伯恩大学轴承数据集，并划分训练集、测试集、验证集
05-04
假设你已经下载了帕德伯恩大学轴承数据集，并将其解压缩到了本地目录中。以下是加载数据集、划分数据集并返回数据集的Python代码示例： ```python import os import numpy as np from sklearn.model_selection import train_test_split # 定义数据集路径 data_dir = '/path/to/paderborn_dataset' # 加载数据集 X = np.load(os.path.join(data_dir, 'X.npy')) y = np.load(os.path.join(data_dir, 'y.npy')) # 划分数据集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) X_train, X_val, y_train, y_val = train_test_split(X_train, y_train, test_size=0.2, random_state=42) # 打印数据集大小 print('训练集大小:', X_train.shape[0]) print('验证集大小:', X_val.shape[0]) print('测试集大小:', X_test.shape[0]) # 返回数据集 return X_train, y_train, X_val, y_val, X_test, y_test ``` 这段代码首先定义了数据集目录的路径，然后使用NumPy加载数据集。接着使用`train_test_split`函数将数据集划分为训练集、测试集和验证集。最后，打印数据集的大小并返回数据集。
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值