CWRU(凯斯西储大学) 轴承数据集简介

实验平台如下图所示:

   CWRU(凯斯西储大学) 轴承数据集简介_第1张图片

实验平台组成:

    一个2马力的电动机。(图左侧)

  一个扭矩传感器/译码器(图中连接处) 

  一个功率测试仪(图右侧)

  电子控制器

待测轴承:    

  • 待检测的轴承支撑着电动机的转轴;
  • 驱动端轴承为SKF6205 ,采样频率为12KHz和48KHz;
  • 风扇端轴承为SKF6203 ,采样频率为12KHz。

轴承数据格式
数据文件为Matlab的mat格式。每个文件包含风扇和驱动端振动数据,以及电机转速。在所有文件中,变量名显示解释如下:

  • DE - drive end accelerometer data 驱动端加速度数据;

  • FE - fan end accelerometer data 风扇端加速度数据;

  • BA - base accelerometer data 基座加速度数据;

  • time - time series data 时间序列数据;

  • RPM- rpm during testing 转每分钟,除以60为旋转频率

    利用该实验台获取的正常样本4个、外圈损伤样本77个、内圈损伤样本40个及滚动体损伤样本40个。

CWRU(凯斯西储大学) 轴承数据集简介_第2张图片12DriveEndFault是12KHZ的驱动端故障数据,
1797代表点电机转速1797转/min,
NormalBaseline就是正常的数据,
.mat格式可以用MATLAB打开

 

下面是故障数据;

CWRU(凯斯西储大学) 轴承数据集简介_第3张图片

因为轴承主要有三类故障,内圈(InnerRace)外圈(OuterRace)还有滚动体(Ball),和上面的英文是对应的。

 0.007,0.014和0.021代表不同的故障体量级别,也就是故障直径为7密耳,14密耳,21密耳(以密耳为单位),这样一组合就有了九种不同的故障+1种正常的。

你可能感兴趣的:(pytorch,深度学习,机器学习,大数据,人工智能)