IEEE PHM 2012challenge 竞赛数据解析

挑战数据集

     PHM挑战数据集由FEMTO-ST研究所（法国贝桑松，http://www.FEMTO-ST.fr/）提供。实验在实验室实验平台（PRONOSTIA）上进行，该平台能够在恒定和/或可变操作条件下加速轴承退化，同时收集在线健康监测数据（转速、负载力、温度、振动）。关于PHM挑战，考虑了代表3种不同负载的数据（转速和负载力）。参与者被提供了6个运行到故障的数据集，以建立他们的预测模型，并被要求准确估计11个剩余轴承的RUL。11个测试轴承的监测数据被截断，以便参与者预测剩余寿命，从而进行RUL估计。此外，没有给出关于将要发生的故障类型的假设。

     学习集很小，而所有轴承的寿命范围很广（从1小时到7小时）。因此，表现良好的评估是不可取的，这使得挑战更加令人兴奋。

轴承退化：运行到失效实验

正常和退化的轴承以及来自实验的振动原始信号

关于PHM挑战，考虑了代表3种不同负载的数据：

          -第一种操作条件：1800 rpm和4000 N；

          -第二种操作条件：1650 rpm和4200 N；

         -第三种操作条件：1500 rpm和5000 N。

     

Bearing1-1的数据维度为（2803，2560）

     2803个样本，每个数据样本的信号长度为2560（共有2803个文件，每个文件中2560个数据点）

     如轴承 1_1 从投入使用到报废共采集了 2 803 组数据，其寿 命数值为 0～2 802，则其 actRUL0 为 2 802，由于数 据采样间隔为 10 s 一组，所以轴承 1_1 真实的全寿 命时间为 28 030 s；actRULt 则为 t 时刻轴承的剩余 使用寿命数值。

注1.至于挑战，RUL被定义为加速度计超过20克的时间。

注2.基于频率特征检测轴承故障（如内圈和外圈以及保持架故障）的理论模型不起作用。事实上，由于退化可能同时涉及测试轴承的所有部件，因此很难获得频率特征。

注3.轴承寿命的现有可靠性定律，如L10，并没有给出与实验获得的结果相同的结果（理论估计寿命与实验给出的寿命不同）。

数据采集特性

       学习和测试数据集都在7z压缩文件夹中提供。每个都包含名为acc_xxxxx.csv的振动ASCII 文件和名为temp_xxxxx.csv的温度ASCII文件。数据采集参数如下所示，必须仔细考虑。

      -振动信号（水平和垂直）-采样频率：25.6 kHz-记录：每10秒记录2560个样本（即1/10 s）（见图6）-温度信号-采样频率（10 Hz）-记录：IEEE PHM 2012数据挑战每分钟记录600个样本

ASCII     files

数据的排列如表2所示：

数据排列表

column	1	2	3	4	5	6
V.T	时	分	秒	μ-second	水平	垂直

待估计的实际RUL

Acknowledgment

这些数据集正在向公众开放。请使用这些数据库的出版物引用以下论文。

Patrick Nectoux, Rafael Gouriveau, Kamal Medjaher, Emmanuel Ramasso, Brigitte
Morello, Noureddine Zerhouni, Christophe Varnier. PRONOSTIA: An Experimental
Platform for Bearings Accelerated Life Test. IEEE International Conference on
Prognostics and Health Management, Denver, CO, USA, 2012.