振动分析-8-轴承数据库之深度学习数据集制作

Python-凯斯西储大学（CWRU）轴承数据解读与分类处理

1 数据集分类与制作

凯斯西储大学轴承数据集包含了以上四种不同故障模式的振动数据，包括内圈故障、外圈故障、滚动体故障。数据集提供了不同工作条件下的实验数据，包括不同转速、载荷等参数。每个故障模式都有多个不同工况的样本，按照不同条件约束，其分类形式有多种。

1.1 数据集分类

如果需要处理这些数据，来进行故障诊断和分类任务，并不是需要网站中的所有数据，可以只选择我们需要的，比如选择驱动端+0HP的故障数据。
以12k Drive End Bearing Fault Data举例说明：
首先，有四种故障类型 ，只取前三种，因为0.028没有外圈故障。
其次，比如0.007文件，只取前三种，因为第三种负载和第四种负载差不多。
最后 ，外圈故障只取Outer Race _6，即6点钟方向的数据集，因为每个文件都有，而且数据差别也不大。

综上：三种直径数据和三种故障数据，所以每个工况共有3*3+1（正常数据）=10种数据。所以根据工况的不同可以把数据分为A、B、C三种。每个工况有10种数据。如下：

一、工况A
正常 0hp 为一类
0.007 0hp 内圈 滚珠 外圈
0.014