西储大学轴承数据集

（此图出自，官方数据集里，自带的说明文件）

1.轴承数据解释：

第一列表示的数据的直径，有的人用的单位是毫米，也有的人用的是多少密尔（1英寸等于1000密尔），总共有四种，但是第四种，缺少外圈故障所以只取前三种，故障数据

第二和第三列表示的 数据是电机负载和电机转速（工况），一种负载对应一种转速，总共有四种，0马力/1797r/min，1马力/1772r/min，2马力/1750r/min，3马力/1730r/min。大多数人，都用前三种，因为三种和四种效果差不多，都可以解决问题。

第四、五、六到八列分别为内圈、滚动体、和外圈的三种位置不同时的故障数据，一般只取六点钟的，因为数据差别不大

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。

2.数据处理：

文件放置部分：

首先通过简单整理，生成三个文件夹代表着三种工况。

每个工况，有十个文件夹，分别代表着，不同情况下的故障数据和正常数据

 

通过上图，分别找到不同 工况的数据放进文件夹。

我这里已经找好了，大家可以复制对应的代码段。如果实在需要完整代码的，请私信。

#文件修改部分
#分别对应三种工况，1797,1772,1750转/分
#异常文件修改
A = ['105','118','130','169','185','197','209','222','234']
B = ['106','119','131','170','186','198','210','223','235']
C = ['107','120','132','171','187','199','211','224','236']

文件读入部分： 

遍历各个文件，通过scio.loadmat()函数读入mat文件，再读取某个端的数据。大部分人都是读取DE端的数据。之后通过划窗取值（大多数窗口大小为2048）。之后可以利用FFT变换，将时域数据转化成频域数据，彰显特征。

name = "_DE_time"  # 仅仅获取DE数据
    for j in mat_filename_list:
        data_name.append(os.listdir(j))  # 找到每个文件名

    for i, j in zip(mat_filename_list, data_name):
        n = i + "\\" + str(j)[2:-2]  # 文件名切片切片，获取可读的文件名
        matdata = scio.loadmat(n)  # 读取mat文件

        if len(n) == 50:  # 有时数据名大于三位数，有的小于三位数，例如105和97
            data_name = "X" + str(j)[2:5] + name
        else:
            data_name = "X0" + str(j)[2:4] + name

        data = matdata[data_name]  # 读取mat文件中的某个端的信号
        datalist.append(data)

  while True:
        if (start + sw_width) > new_rows:  # 如果窗口结束索引超出最大索引，结束截取；
            return
        yield start, start + sw_width
        start += sw_steps

def FFT1(x, N, fs):
    if N % 2 > 0:
        N -= 1
    if N > len(x):
        xs = np.append(x, np.zeros(N - len(x)))
    else:
        xs = x[:N]
    xf = np.fft.rfft(xs) / N
    freq = np.linspace(0, fs / 2, int(N / 2 + 1))
    xf = np.abs(xf) * 2
    return xf, freq