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