CWRU数据集介绍及python数据预处理代码

CWRU数据集解读及python数据预处理代码免费获取

1.CWRU数据集介绍

1.试验台介绍

CWRU（凯斯西储大学）轴承数据集为使用2马力Reliance Electric电动机进行实验，并且在靠近和远离电动机轴承的位置处测量加速度数据。

如上图所示，试验台由2马力的电动机（左），扭矩传感器/编码器（中心），测功机（右）和控制电子设备（未示出）组成。 测试轴承支撑电机轴。

2.轴承故障介绍

使用EDM对电机轴承造成故障，在轴承内圈、滚动体、外圈上分别造成直径为0.007英寸，0.014英寸，0.021英寸，0.028英寸和0.040英寸的故障。并记录0至3马力（电机速度为1797至1720 RPM）的电机负载时的轴承两端的振动数据。SKF轴承有0.007,0.014和0.021英寸直径的故障，NTN轴承有0.028英寸和0.040英寸的故障。

3.故障信息采集介绍

使用加速度计收集振动数据，加速度计用磁性底座连接到壳体上。 加速度计放置在电机壳体的驱动端和风扇端的12点钟位置。 在一些实验期间，加速度计也连接到马达支撑基板。 使用16通道DAT记录仪收集振动信号，并在Matlab环境中进行后处理。 所有数据文件都是Matlab（* .mat）格式。 以每秒12,000个样本收集数字数据，并且还以每秒48,000个样本收集数据以用于驱动端轴承故障。 使用扭矩传感器/编码器收集速度和马力数据并手动记录。

4.数据文件介绍

CWRU数据集解压后共有4个文件夹，12k和48k分别代表采样频率是12kHz和48kHz。Drive End代表在驱动端采集的数据，Fan End代表在风扇端采集的数据。"Normal Baseline Data"文件夹中存储的是轴承没有故障时的运行数据（即正常状态下的轴承的运行数据）。

"Normal Baseline Data"文件夹中只有四个数据文件，分别为不同负载、不同转速下采集得到的数据。如下表：

Motor Load (HP)	rpm	Normal Baseline Data
0	1797	Normal_0(97.mat)
1	1772	Normal_1(98.mat)
2	1750	Normal_2(99.mat)
3	1730	Normal_3(100.mat)

97.mat文件代表负载为0、转速为1797rpm时采集得到的数据，98.mat、99.mat、100.mat依次类推。（奇怪的是，没有给出采样频率）

下表为文件"12k Drive End Bearing Fault Data"中的数据集介绍。可以从表中得出以下信息

1. “Fault Diameter” :故障直径

2. “Motor Load”:负载

3. “rpm”:转速

4. “Inner Race”:故障处于内圈

5. “Ball”:故障处于滚动体

6. “Outer Race”:故障处于外圈

需要注意的是轴承试验台中，轴承的外圈是固定在轴承座上，因此轴承转动是内圈和滚动体在转动，而外圈是固定不动的，负载是作用于轴承的，因此其作用中心点位于6点钟方向即垂直向下。

7. “Position Relative to Load Zone (Load Zone Centered at 6:00)”:轴承外圈故障点相对于力作用点的位置

8. "Centered @6:00 ":即和力作用点处于同一方向（6点钟方向）。

因此105.mat数据就是在负载为0、转速为1797rpm，内圈故障直径为0.007英寸时采集得到的数据。

以最简单的故障诊断数据集选取为例，选取105.mat、118.mat、130.mat以及97.mat可以组成最简单的故障位置判别数据集。

分别为内圈故障、滚动体故障、外圈故障以及正常。

9. “*”：代表没有该种类的数据，因此选择数据集做实验时也要注意该类型的数据是否齐全。

Fault Diameter	Motor Load (HP)	rpm	Inner Race	Ball		Outer Race Position Relative to Load Zone (Load Zone Centered at 6:00)
						Centered @6:00	Centered @3:00	Centered @12:00
0.007"	0	1797	105.mat	118.mat		130.mat	144.mat	156.mat
	1	1772	106.mat	119.mat		131.mat	145.mat	158.mat
	2	1750	107.mat	120.mat		132.mat	146.mat	159.mat
	3	1730	108.mat	121.mat		133.mat	147.mat	160.mat
0.014"	0	1797	169.mat	185.mat		197.mat	*	*
	1	1772	170.mat	186.mat		198.mat	*	*
	2	1750	171.mat	187.mat		199.mat	*	*
	3	1730	172.mat	188.mat		200.mat	*	*
0.021"	0	1797	209.mat	222.mat		234.mat	246.mat	258.mat
	1	1772	210.mat	223.mat		235.mat	247.mat	259.mat
	2	1750	211.mat	224.mat		236.mat	248.mat	260.mat
	3	1730	212.mat	225.mat		237.mat	249.mat	261.mat
0.028"	0	1797	3001.mat	3005.mat		*	*	*
	1	1772	3002.mat	3006.mat		*	*	*
	2	1750	3003.mat	3007.mat		*	*	*
	3	1730	3004.mat	3008.mat		*	*	*

5."mat"文件介绍

在matlab中任意打开一个.mat文件，可以看到里面共含有"X097RPM"、“X097_DE_time”、"X097_FE_time"三个变量。

“X097RPM”：里面是该数据集的转速数据

“X097_DE_time”：里面是驱动端的振动加速度数据

“X097_FE_time”：里面是风扇端的震动加速度数据

在使用时要统一使用驱动端或风扇端的数据。

2.python数据读取及预处理代码

1.导入包

from scipy.io import loadmat#加载mat文件
import numpy as np
# 关注VX公众号：“慢慢的不急”，免费获取代码
from sklearn.preprocessing import MinMaxScaler#数据归一化

mat文件使用python打开后是字典的格式，如下图:

我们需要的仅为第四和第五个key对应的value，分别对应驱动端数据和风扇端数据。

2.数据预处理流程

1.截取数据，将数据进行分段，每一段代表一个样本。

2.对分段后的数据进行最大最小归一化，可选择[0,1]或[-1,1]归一化。

3.生成标签，此标签可代指故障类型。

4.给每一个样本赋予标签。

5.输出带标签的样本数据。

所有过程被打包成一个函数，仅需输入以下参数即可输出带标签的数据。

    """
    :param path: 文件路径E:\98.mat
    :param max: 归一化的最大值
    :param min: 归一化的最小值
    :param loc: 对应CWRU数据的两个传感器位置。3或4.分别为驱动端和风扇端数据
    :# 关注VX公众号：“慢慢的不急”，免费获取代码
    :param len: 选取数据长度
    :param index: reshape的行
    :param col: reshape的列
    :param tar: 标签
    :return: 一份打完标签的数据
    """

3.代码获取

关注"慢慢的不急"回复“cwru预处理”免费获取代码。
ex: reshape的行
:param col: reshape的列
:param tar: 标签
:return: 一份打完标签的数据
“”"

### 3.代码获取

关注vx"慢慢的不急"回复“cwru预处理”免费获取代码。