1.原始引用
我第一次看到这个数据集是在知乎:
今天才意识到,这是一份我可以使用的,第一笔科研用数据集。在进行相关学科的知识学习过程中,最缺乏的,就是这个。尤其是你面临解决实际问题的时候。第一次接触到数据集的概念是在yolo图像识别部分,也就是那个AI图像识别竞赛Image.net。
这个数据集大概是选择了一个寿命不太高的轴承,加速老化,不断地磨到报废,然后把采样序列保留下来。里面有各类轴承磨损的特征采样数据,以及磨损不断深化的过程。原始数据集发布相关的论文在这里:
2.确认实验环境及约束条件
实验选择的是LDK轴承。轴承厂商,同事推荐的是SKF.那个网站几乎是一门很有分量的课程。
2.1轴承参数:
2.2数据集和最终结果:
2个单向加速度传感器分别通过磁座固定于测试轴承的水平和竖直方向上,试验中设置采样频率为 25.6 kHz,采样间隔为 1min,每次采样时长为1.28s。在每一次采样中,将获取的振动信号存放在一个 csv 文件内。其中,第一列为水平方向的振动信号,第二列为竖直方向的振动信号。各个 csv 文件按采样时间先后顺序命名,即 1.csv,2.csv,…,N.csv,其中 N 为采样总次数。
这个数据集的采样率是比较高的。采样数据频谱分辨率也比较高。
3.FAQ
3.1 1-1数据外圈故障的故障频率是108.6Hz,理论值107.91Hz你知道这是怎么来的吗?
注意:轴承的滚珠外圈与外圈邻接的位置,滚珠的公转线速度是相同的。但是并不等于转速。它取决于摩擦和润滑脂之类的情况,我能理解它能够析取出外圈转速和内圈转速比,并通过数据分析得到实际的外圈振动基准频率,但是它能够计算出理论转速,我无法理解。
附录A.额外的两个轴承振动数据集
这个信息出现在原始的数据集相关论文里。