德国-帕德博恩大学轴承数据集解读

1、试验平台

德国-帕德博恩大学轴承数据集解读_第1张图片

★ 试验台由几个模块组成(从左到右依次为):电动机、扭矩测量轴、滚动轴承测试模块、飞轮和负载电机,如上图所示。通过将不同损伤类型的滚珠轴承安装在轴承测试模块中,生成实验数据。

★所有测试轴承型号均为6203型号滚动轴承。

2、试验安排

★ 故障轴承分为人工损伤和真实损伤。

★ 人工损伤主要通过电火花(裂纹)、钻孔(剥落)和电动雕刻机(点蚀)。

★ 真实损伤轴承通过加速寿命试验台得到,具体如下图所示,相关信息见附件PDF说明文件

 德国-帕德博恩大学轴承数据集解读_第2张图片

 ★加速寿命试验台由一个轴承座和一个电动机组成,电动机为轴承座内四个6203型测试轴承的轴提供动力,测试轴承在由弹簧-螺杆机构施加的径向载荷下旋转。

3、试验说明

 损伤的种类:

    ①单点损伤(Single damage)

    滚动轴承的单一组件受到单一损伤的影响,例如内圈上的一个点蚀坑。

    ②重复性损伤(Repetitive damage)

    相同的损伤症状在同一轴承部件的几个地方重复出现,例如内圈上有多个非连续的点蚀坑。

     ③多次损伤(Multiple damage)

    不同的破环症状发生在同一轴承的不同部件上,例如内圈和外圈的点蚀坑。

损伤的标准(对于重复性损伤和多次损伤而言)

     ①规律。损伤症状以一种规律的形式分布在部件上。

     ②随机。损伤症状以一种随机的形式分布在部件上。

     ③没有重复。破环仅发生一次,标准未被引用(这个作者也没有理解,请理解的伙伴赐教哈)。

损伤程度

德国-帕德博恩大学轴承数据集解读_第3张图片

★ 参数设置

电机电流的采样频率为64KHz

振动信号的采样频率为:64KHz

机械参数(加载力,加载力矩,速度)的采样频率:4KHz

温度的采样频率为:1Hz

试验工况条件

 德国-帕德博恩大学轴承数据集解读_第4张图片

 4、数据集组成

德国-帕德博恩大学轴承数据集解读_第5张图片

       人工损伤轴承12个(外圈7个,内圈5个),加速寿命试验损伤轴承14个(外圈5个,内圈6个,内圈和外圈复合的2个),健康轴承6个。

       与凯斯西储大学、PHM2012、IMS和西安交通大学数据集不同的地方是,该数据除了振动信号以外,还包括电机电流信号,旨在通过电机电流信号去实现旋转机械的故障诊断。

人工损伤轴承型号及其故障类型

德国-帕德博恩大学轴承数据集解读_第6张图片

 ★加速寿命试验损伤的轴承型号及其故障类型

 德国-帕德博恩大学轴承数据集解读_第7张图片

  健康轴承型号

德国-帕德博恩大学轴承数据集解读_第8张图片

5、数据说明

★每个轴承型号的文件夹下有4种工况的数据,每个工况的数据有20个,每个数据采集时间均为4秒。

★ 每个mat文件里面,有info、x、y和Description四个数据集,其中所有数据均存储在Y这个结构体下。

★ Y结构体包含了电机的电流数据(2个,大小为1X256823),温度数据(1个,大小1X4),机械参数(负载(force)、转速(speed)、扭矩(torque))和振动数据(1个,大小为1X256823)。

6、论文总结

 数据作者根据这些试验数据,做了一个实验,具体内容见附件,一个PDF文件,标题为

Condition Monitoring of Bearing Damage in Electromechanical Drive Systems by Using Motor Current Signals of Electric Motors: A Benchmark Data Set for Data-Driven Classification。

★ 在所有情况下,基于振动信号的分类都比基于mcs(电机电流信号)的分类精度高。

★ 相比较真实损伤数据,基于人工损伤故障数据的分类精度更低。

7、附件

德国-帕德博恩大学轴承数据集

evyg

内容简介:

1、所有原始数据集。所有K开头的文件都是,其中每个数据集下有两个PDF文件,这两个文件为该数据集的介绍,包括损伤施加方式(人工或真实)、损伤类型(内圈或外圈)以及工况参数

2、网页截图。由于这个是外国网站,国内很难打开,因此作者对该网站内容进行了截图,同时保存了试验台的照片,供大家写论文使用。

3、数据解答文件。Condition Monitoring of Bearing Damage in Electromechanical Drive Systems by Using Motor Current Signals of Electric Motors: A Benchmark Data Set for Data-Driven Classification

关注公众号“故障诊断与寿命预测工具箱”,每天进步一点点。

你可能感兴趣的:(数据介绍,数据挖掘,大数据,matlab)