深度学习与西储大学轴承数据集（一）

0.写在前面的话

去年这个时候开始萌生了用深度学习进行机械故障诊断的想法，虽然目前勉强入门，但是回过头来看，确实走了不少弯路。整个学习过程几乎全靠网络上的资源，因此，写这篇文章除了回顾学习过程、总结提高，更重要的是也想帮到曾经像我一样迷茫的人。

1.针对的人群

说实话，当初我个人的起点真的是相当低，总想着找一些0基础入门的教程，无奈很多基础常识都很缺乏，学起来还是很吃力的。朋友们可以看一看我的条件，如果正准备开始入坑，相比之下应该能建立一些信心。

• 本科电子类，非机械，编程基础几乎为零

• 毕业十年后来脱产读研

• 导师非工科专业、第一次带研究生、平时很忙，更我无法指导我（一开始甚至不知道我的专业毕业要求。。。。）

• 没有师兄师姐！！！没有实验室！！！

• 已成家、诸事繁杂

• 天临加持，论文倒查十年，无法摸鱼

今年3月份开始总算是水了个EI会议、发了2个容易点的中文核心期刊，毕业算是稳一些了，整体效率还算可以。

所以打算往这个方向做研究的同志们完全不需要有心理负担，估计也没几个人比我读研的困难大了。

2.数据集介绍

（1）西储大学数据集的优点

• 最大的优势就是用的人多，这样资源非常好找，也有很多人愿意分享自己的经验，论文多也好学习和比较。

• 数据集大小合适，只有650M，且包含各种工况、故障。（相比之下，好多数据集是轴承运行全程的数据，故障种类不全或者重叠，更适合做预测。如辛辛那提轴承数据、西安交通大学轴承数据等）

• 数据质量合适，能够有效区分出模型性能高低。（有些模型随便一整就是100%准确率，这就没法做文章了）

（2）了解数据集

找到数据集比较简单，它长这个样子。

数据集解压后看到的

12kHz DE端数据

我见过已经认为合并处理过的，但是不好找，个人觉得也没有必要，处理数据是必须要经历的一个学习过程。

首先它由4个文件夹组成，前3个分别是：12kHz采样率下电机端轴承的故障数据（DE）60个、12kHz采样率下风扇端轴承的故障数据（FE）45个、48kHz采样率下电机端轴承的故障数据（DE）52个，还有正常运转的轴承数据4个。以12kDE数据为例，大家基本也都在这个数据集下做验证。

​12kDE数据

如图所示，左边第一列是4种故障尺寸，由于第4种故障缺少外圈故障，所以一般选取前3种尺寸，这样内圈、滚动体、外圈3种故障就有3*3也就是9种故障分类，再加上正常状态就是最常见的10分类方式。不考虑故障尺寸进行4分类的比较少见，主要是这样的话难度降低不少，结果提升的空间不大，毕竟10分类也没有麻烦多少。（图中标红的请忽略，这几个数据在一篇论文中被认为是质量不佳甚至有问题的，有待进一步研究）

左边第二、第三列代表的就是常说的工况了，实际上就是负载、转速的不同，这就造成了数据一定程度的差异，这个差异不大，正好可以研究。区分工况是常见的做法，很多人取3种工况，也有取4种的，大家可以自己决定。我个人见的3种的多，主要用来做迁移学习或验证泛化能力，3种工况一般已经足够说明问题了。

外圈故障又细分为3种，建议大家取6点钟的就足够了，不同方向的差异时间上并不大，进行区分也没有那么多必要性。我在一开始为了包含所有情况，导致写的程序过于麻烦，浪费了不少时间，最后看来完全没有必要。

以上是12kDE数据，单独使用FE数据的我没见过，使用48kDE数据的也有，但确实不多，也没有必要，有论文研究指出这两组数据除了采样率不同，其余是几乎一样。

（3）处理数据集

我之前没啥编程基础，所以准备直接用Python完成数据处理和模型搭建。当时这方面愿意分享Python程序的实在不多，很多是以前用Matlab语言，而我的Python基础不够，一开始就盯着几个博主写的模仿，实在是吃力。

首先文件的后缀是mat，用Python就能直接读取，可当你打开时才发现是三组数据？

matlab读取界面

在Python里会变成一组字典，可以根据名称选取需要的部分。

这里我有个疑问一直没看到确切说法，105.mat这个文件照理说是在12kDE里的，但是文件却同时包含了FE和BA保持架的数据，也就是说还得再进行一次选取，这里的FE数据不知道和12kFE文件里的是不是一回事。而且当你打开12kFE里的文件时，发现还是包含DE、FE和BA三种。

​12kFE中的文件270.mat

打开正常数据是，发现是DE和FE两种。

正常运行的数据

目前就写到这里，后续再细说就要涉及具体的python程序了，比较麻烦，我得好好整理一下，希望大家多多支持，点赞加收藏。