辛辛那提IMS数据

辛辛那提IMS数据

实验平台如下图所示:

实验平台组成和简图如下:

  • 一个AC电动机(转速为2000RPM);

  • 四个轴承(Rexnord ZA-2115 双列轴承);

  • 振动传感器(X轴和Y轴);

实验数据简介:

该数据为轴承的全寿命周期数据,共有3个数据集,每个数据集中包含了四个轴承的振动数据。采样频率为20KHz,每次采样时长为1s,并生成一个含有20480采样点的数据文件,具体如下

数据集1

  • 实验起止时间:2003年10月22日12:06:24-2003年11月25日23:39:56

  • 文件数量:2156   信号通道数:8

  • 通道安排:轴承1:通道1和通道2;轴承2:通道3和通道4;轴承3:通道5和通道6;轴承4:通道7和通道8

  • 文件采样间隔:10分钟一次(开始的43个文件是按照5分钟一个采集信号)

  • 结果:轴承3内圈损坏、轴承4滚动体损坏。

数据集2

  • 实验起止时间:2004年2月12日10:32:39-2004年2月19日06:22:39

  • 文件数量:984   信号通道数:4

  • 通道安排:轴承1:通道1;轴承2:通道2;轴承3:通道3;轴承4:通道4

  • 文件采样间隔:10分钟一次

  • 结果:轴承1外圈损坏。

数据集3

  • 实验起止时间:2004年3月4日09:27:46-2004年4月4日19:01:57

  • 文件数量:6324   信号通道数:4

  • 通道安排:轴承1:通道1;轴承2:通道2;轴承3:通道3;轴承4:通道4

  • 文件采样间隔:10分钟一次

  • 结果:轴承3外圈损坏。

数据格式:

数据文件为ASCII格式,可以用记事本打开查看,但是matlab无法直接读取文件。为此,冷漠编写了相关代码方便各位读者使用该数据(用Matlab操作)。

第一步批处理修改文件后缀名,修改为.txt。参考网址(可以自行百度):https://jingyan.baidu.com/article/e9fb46e196ea187521f7661a.html

注意:冷漠用第一个数据集进行尝试时发现,有的文件无法批处理成功,原因是批处理后文件名会相同,这种数据读者可以手动修改或者剔除掉。

第二步:下载冷漠编写读取文件的代码,进行测试运行。text_data为所有文件合并后的数据,数据量较大,建议读者处理后进行绘图,防止电脑死机

参考资料:

[1]百度经验:强烈推荐】如何批量修改文件后缀名?超详细

[2] Readme Document for IMS Bearing Data.pdf

数据获取:

辛辛那提IMS数据

提取码:8emo

2021.08.14 更新

部分同志的textread的函数报错,提示未找到文件或权限未打开

因此,冷漠更换了一个函数,并且将三个实验数据都进行了读取,保存了mat格式文件,方便大家使用,文件较大,大家自行学习。

内容如下:

  • IMS数据集;

  • 说明文件(.PDF)与数据集作者推荐的参考文献

  • 读取文件的代码(.m)

关注公众号“故障诊断与寿命预测工具箱”,每天进步一点点

  • 52
    点赞
  • 173
    收藏
    觉得还不错? 一键收藏
  • 23
    评论
### 回答1: 辛辛那提IMS数据集是一个包含了来自辛辛那提大学医疗中心(Imaging Research Center)的医学影像数据集。这个数据集主要包括了人类大脑的磁共振成像(MRI)数据以及其他一些相关的信息。 辛辛那提IMS数据集的图片涵盖了各种各样的人类大脑扫描图像,这些图像既包括了正常大脑的扫描结果,也包括了带有疾病或异常的大脑的扫描结果。通过对这些图像进行研究和分析,我们可以更好地了解和诊断各种大脑相关的疾病,比如脑肿瘤、脑血管疾病、神经退行性疾病等。 这些图片可以提供给研究人员、医生和医学生们进行研究、训练和学习。他们可以通过对这些图像进行分析和比较,探索不同疾病之间的区别和共同特点,从而帮助他们更准确地进行临床诊断和治疗。 辛辛那提IMS数据集的图片对于医学研究和临床实践都具有重要的意义。这些图像的收集和共享为医学领域的进步提供了重要的资源和平台,为研究人员和医生们提供了更多的机会和灵感来探索和解决现实世界中的医学难题。同时,这些图像也可以用来建立和改进医学影像处理和分析的算法和技术,从而提高医学图像的质量和准确性,为人类的健康和福祉做出更大的贡献。 ### 回答2: 辛辛那提IMS数据集图片是一个包含多个图像的数据集,主要用于计算机视觉领域的研究和开发。 这个数据集包含了一系列不同场景和不同对象的图像,如人脸、自然风景、建筑物、动物等。它被广泛应用于图像分类、目标识别、图像生成等任务的训练和评估。 使用辛辛那提IMS数据集可以帮助研究人员和开发人员解决一些计算机视觉问题。例如,可以通过对这些图像进行分类和识别,训练出一个模型,用于自动识别图片中的对象或场景。这在人脸识别、物体检测、图像搜索等应用中非常有用。 此外,辛辛那提IMS数据集也可用于图像生成的研究。通过对这些图像进行分析,提取出其中的特征和规律,可以训练出一个模型,用于生成逼真的图片。这在虚拟现实、增强现实和游戏开发中有着广泛的应用。 总之,辛辛那提IMS数据集图片是一个有用的资源,可以帮助计算机视觉研究人员和开发人员在图像分类、目标识别和图像生成等任务中取得更好的效果。它为我们提供了一个丰富的图像库,可以用于训练和评估不同的算法和模型。
评论 23
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值