精华内容
下载资源
问答
  • 西储大学轴承数据

    2019-04-04 10:47:35
    根据西储大学轴承数据中心提供的文档,按照故障类型将数据整理进不同的文件夹,方便以后调用
  • 包含了西储大学官网上下载的数据两个版本,方便需要搜集数据的科研人员;2.包含了1个说明word,可以知道每一个文件的实际工况,比如是轴承内圈或外圈故障或滚子故障;3.包含了原创设计的GUI界面,方便做进一步分析。...
  • 西储大学轴承数据中心网站.zip
  • 西储大学轴承数据中心02
  • 整理好的西储大学轴承数据,包含各类工况和各类故障,内含图片和txt文本说明,希望能够给到各位帮助,后续会接着更新数据处理和深度学习代码部分。
  • 美国凯斯西储大学轴承数据,本人论文亲测,好用.
  • 该数据集为美国凯斯西储大学轴承数据集,用来进行轴承故障诊断算法的开发与验证。
  • 美国西储大学轴承数据集及EMD的matlab代码,有需要的同学了解一下
  • 这个是西储大学轴承数据中心的全部数据,是做轴承数据分析和故障诊断的经典测试数据,以前找半天都要积分,终于有一天我写代码全下下来了,免费分享 官方网址如下: ...因为上传大小的限制,压缩成了7z,各位下载一个7z...
  • 凯斯西储大学轴承数据集.mat文件, 官网没有提供合集下载形式,是以表格形式呈现,手动下载需要分别建立文件夹,单独下载并改名,本资源已经将上述工作完成整合出压缩包供大家下载。
  • 12k Fan End Bearing Fault Data凯斯西储大学轴承数据风扇端12k的数据集。
  • 这个是西储大学轴承数据中心的全部数据,是做轴承数据分析和故障诊断的经典测试数据,以前找半天都要积分,终于有一天我写代码全下下来了,这次上传的是代码 官网地址 ...
  • MSSP对西储大学轴承数据说明的文章
  • 针对凯斯西储大学轴承数据集的描述
  • 西储大学轴承数据中心网站数据

    万次阅读 多人点赞 2016-05-04 15:04:38
    本文引自西储大学轴承数据中心网站\hspace{1cm}This website provides access to ball bearing test data for normal and faulty bearings. Experiments were conducted using a 2 hp Reliance Electric motor, and ...

    本文引自西储大学轴承数据中心网站

    \hspace{1cm} This website provides access to ball bearing test data for normal and faulty bearings. Experiments were conducted using a 2 hp Reliance Electric motor, and acceleration data was measured at locations near to and remote from the motor bearings.
    \hspace{1cm} 电动机轴承通过使用electro-discharge machining(EDM)来制造出故障。 Faults ranging from 0.007 inches in diameter to 0.040 inches in diameter were introduced separately at the inner raceway, rolling element (i.e. ball) and outer raceway. Faulted bearings were reinstalled into the test motor and vibration data was recorded for motor loads of 0 to 3 horsepower (motor speeds of 1797 to 1720 RPM).

    ##Project History
    \hspace{1cm} 为了验证新的技术、理论,常常需要实验。这些电机轴承实验被进行是为了取得IQ PreAlert(一个由Rockwell开发的电机轴承状态评估系统)的性能特征。从这一项目进行以来,获取了一系列可以用来验证或改进电机性能评价技术的电机性能数据库。一些已经或正在利用这些数据库的项目包括:Winsnode状态评估技术,基于模型的诊断技术,电机转速确定算法。

    ##设备 & Procedures
    \hspace{1cm} 如图1所示,实验平台包括一个2马力的电机(左侧),一个转矩传感器(中间),一个功率计(右侧)和电子控制设备(没有显示)。被测试轴承支承电机轴。使用电火花加工技术在轴承上布置了单点故障,故障直径分别为0.007、0.014、0.021 mils、0.028 mils和0.040英寸(1厘米=0.001 英寸)。See FAULT SPECIFICATIONS for fault depths.其中前三种故障直径的轴承使用的是SKF轴承,后两种故障直径的轴承使用的是与之等效的NTN轴承。主动端轴承和fan end bearing specifications, including bearing geometry and defect frequencies are listed in the BEARING SPECIFICATIONS.

    \hspace{1cm} 实验中使用加速度采集振动信号,通过使用磁性底座将传感器安放在电机壳体上。加速度传感器分别安装在电机壳体的驱动端12点钟的位置。在有些实验中,传感器也被安放在电机支承底盘上。振动信号是通过16通道的DAT记录器采集的,并且后期在MATLAB环境中处理。数字信号的采样频率为12000Hz,驱动端轴承故障数据同时也以48000Hz的采样速率采集。 Speed and horsepower data were collected using the torque transducer/encoder and were recorded by hand.

    \hspace{1cm} 外圈的故障是固定不变的,因此故障相对于轴承受载区域的位置对电机/轴承系统的振动响应由直接的影响。为了对这个影响进行定量研究,实验中分别对驱动和风扇端的轴承外圈布置3点钟(直接位于受载区)、6点钟(正交于受载区)、12点钟方向的故障。
    ##下载数据文件
    \hspace{1cm} 共采集了正常轴承、单点驱动端和风扇端故障的数据。对于驱动端轴承,分别使用12kHz和48kHz的频率来进行了数据的采集。对于风扇端轴承,仅仅使用12kHz的频率进行了数据的采集。
    \hspace{1cm} 数据文件均为Matlab格式(.mat格式)。每一个文件包含了风扇端和驱动端振动数据,也包含了电机转速。对于所有的文件,变量名字的含义如下:
    DE - 驱动端加速度数据
    FE - 风扇端加速度数据
    BA - 基本加速度数据
    time - 时间序列数据
    RPM- rpm during testing

    文件下载地址
    正常基准数据 \hspace{8.8cm} 12k Drive End Bearing Fault Data
    48k Drive End Bearing Fault Data \hspace{5cm} 12k Fan End Bearing Fault Data

    打包下载地址:链接: https://pan.baidu.com/s/1ptUfqp_NQfUmdkjdKLrgTw 提取码: bj71
    里面有一个word文件, 请参考

    展开全文
  • 美国西储大学轴承数据,本人论文亲测,好用
  • 凯斯西储大学轴承数据具体处理过程 本文阐述处理类似凯斯西储大学的轴承数据(一维时间序列信号)的一种方法(结合CNN使用)。 原信号在数据文件中是以mat文件呈现,如果想具体查看文件里面放的什么数据,可以用...

    凯斯西储大学轴承数据具体处理过程

    本文阐述处理类似凯斯西储大学的轴承数据(一维时间序列信号)的一种方法(结合CNN使用)。

    原信号在数据文件中是以mat文件呈现,如果想具体查看文件里面放的什么数据,可以用MATLAB打开来看一下。

    如何将原始数据文件处理成可用的数据格式呢?

    1、先用MATLAB将读出数据文件的内容
    Y=load(‘E:\电脑桌面\实验资料\轴承数据\12kF_0hp\ball_014.mat’);
    此时可以在工作区中查看数据到底长什么样子。
    然后可以将数据保存为TXT格式的文件。
    save(‘E:\MATLAB_Code\1.txt’,‘Y’)

    2、再用python中的函数处理(其实第一步有点脱裤子那啥了,直接在python中处理也是可以的)
    此时只需从文件中读出数据(这里的np是numpy模块的缩写哦!)
    data0 = np.loadtxt(“E:\MATLAB_Code\1.txt”,dtype=‘float32’) (注意需要两个反斜杠)
    然后将数据变个形就可以了
    data0 = data0.reshape(len(data0)//50,50) (这里是将原时间序列的数据处理成每50个一组,共有len(data0)/50组,注意这里是整除哦)
    此时数据文件算是处理好了,那怎么打上标签呢?

    3、数据标签处理
    为了后续方便标签的使用,这里通过one-hot编码方式输出对应标签(具体什么是one-hot百度下就好了)

    label0 = np.ones((len(data0),1)) * 0   #这里是打上数据类别 0 的标签,后续类别1,2,3也是类似的,把0替换成1,2,3即可
    label0 = label0.astype(int)  
    label0 = np.eye(4)[label0]   # 这里的4是指你准备打4类标签
    label0 = label0.reshape(len(label0),4)  
    

    到现在为止,数据和标签就搞定了,你保存后就可以尽情的玩耍了!
    嗯?保存?怎么保存??
    好吧

    np.savetxt("data0.txt", data0)
    np.savetxt("label0.txt", label0)
    

    因为此时是TXT文件,你直接打开文件来看处理过后的数据。也可以在python里面打印数据的shape看一看。
    现在差不多大功告成了吧!
    等等。。。
    谁会只用1类数据呢??怎么也得4类吧!
    很明显,其他类的数据也是类似处理,当你想将所有的数据文件拼接在一起时,可以使用函数
    data0_3 = np.vstack((data0,data1,data2,data3))
    这样,针对凯斯西储大学的轴承数据就处理完毕啦,去耍吧!

    总结代码:

    data0 = np.loadtxt("E:\\MATLAB_Code\\1.txt",dtype='float32')  #(注意需要两个反斜杠,打开的文件就是前文MATLAB输出的)
    data0 = data0.reshape(len(data0)//50,50)   #(这里是将原时间序列的数据处理成每50个一组,共有len(data0)/50组,注意这里是整除哦)
    label0 = np.ones((len(data0),1)) * 0   #这里是打上数据类别 0 的标签,后续类别1,2,3也是类似的,把0替换成1,2,3即可
    label0 = label0.astype(int)  
    label0 = np.eye(4)[label0]   # 这里的4是指你准备打4类标签
    label0 = label0.reshape(len(label0),4)  
    np.savetxt("data0.txt", data0)
    np.savetxt("label0.txt", label0)
    
    展开全文
  • 本资源整理了西储大学轴承的各项数据以及数据说明,内容清晰全面,有助于各类需要人士进行分析研究,提高自己的科研水平。
  • 凯斯西储大学轴承数据处理+自制CNN数据集

    万次阅读 热门讨论 2019-05-29 11:25:34
    对于凯斯西储大学轴承数据的下载,现在网上随便一个帖子都可以下载到。 在下载数据的时候,发现里面分了正常数据、驱动端、风扇端等类别,然后在具体的某一类,比如驱动端里面又区分了不同类别的故障数据。具体可以...

    对于凯斯西储大学轴承数据的下载,现在网上随便一个帖子都可以下载到。
    在下载数据的时候,发现里面分了正常数据、驱动端、风扇端等类别,然后在具体的某一类,比如驱动端里面又区分了不同类别的故障数据。具体可以参见相关说明,或者参见其他帖子。
    然后下载其中某一个类别的某一个故障数据文件后,文件类型是.mat格式,可以使用MATLAB打开,打开后发现里面又区分了三种类型的数据,在这里插入图片描述
    如上图,这里不太清楚为什么在已经区分了正常、驱动端、风扇端数据类别的情况下,文件里面还要再分成这几类????难道又分了不同位置的故障数据?有点搞不清
    当然,如果需要进行处理这些数据,用来机器学习、CNN的话,并不是需要网站中的所有数据,自然可以只选择我们需要的,比如选择驱动端+0HP的故障数据
    处理数据步骤为:
    ①对于数据的处理,由于轴承信号数据是时间序列的数据,但是在训练使用的时候有些不方便,这里我是把同一类别的数据随机分组,将一维的序列分成二维,具体一组多少数据,看自己分类吧。下载的文件每一个都进行如此操作(可以使用程序在调用数据的时候处理)。
    ②然后将每个类别的数据文件对应建立标签文件。
    ③这样处理之后,每一类故障数据都对应着一个数据文件和一个标签文件,然后将所有类别的数据文件整合到一起组合成训练网络需要的数据集,再将数据集按比例分成训练集和测试集即可。
    以上为使用凯斯西储大学自制数据集的过程,如有错误,还请大佬指点,欢迎交流!!

    展开全文
  • 凯斯西储大学轴承数据的疑问

    千次阅读 2019-05-29 11:35:51
    ①在使用凯斯西储大学轴承数据进行CNN故障分类时,训练的准确率从开始的慢慢增长,一直到训练几百次之后,准确率会骤降,突然降低到0.1左右,然后一直保持很低的状态,大概是训练模型不起作用了。 本以为是过拟合的...

    这里有两个问题:
    ①在使用凯斯西储大学轴承数据进行CNN故障分类时,
    训练的准确率从开始的慢慢增长,一直到训练几百次之后,准确率会骤降,突然降低到0.1左右,然后一直保持很低的状态,大概是训练模型不起作用了。
    本以为是过拟合的问题,但是添加了dropout之后依然没有效果,模型从2层加到3层4层依然没有什么效果,batchsize也一直在修改,参数也尝试着去调整仍然得不到解决。
    求指点
    ②凯斯西储大学的轴承数据我打开来看了一下,至少人眼看上去各个不同故障类型的数据,并没有什么很大的差别,是不是数据要进行某些特殊的处理呢?
    求指点

    展开全文
  • 采用一维CNN神经网络算法,对西储大学轴承数据集,最终得到的准确率不低于99.5%,且灵活,根据个人想法,随意调整训练集测试集的比例,这是我2021年的故障诊断大作业,从开始学习到最终搞定花了不少时间。...
  • 凯斯西储大学(CWRU)轴承中心的轴承实验室经典数据,包含起官网提供的所有数据,包括正常数据,12k采集的驱动端数据,48k采集的驱动端数据,12k采集的风扇段数据轴承正常时候的振动数据。文件比较大,耐心下载。
  • 在此文章中,主要是对分类凯斯西储大学轴承数据的代码进行讲解,关于数据集的介绍可以参考:美国西储大学轴承数据解读,在此文章中,我们只对 12K 采样频率下的驱动端轴承故障数据进行分类。 另外,当提及外圈故障时...
  • 为了验证新的技术、理论,常常需要实验。这些电机轴承实验被进行是为了取得IQ PreAlert(一个由Rockwell开发的电机轴承状态评估系统)的性能特征。从这一项目进行以来,获取了一系列可以用来验证或改进电机性能评价
  • 电机轴承的数据集目前较多采用的是CWRU(凯斯西储大学轴承数据中心)这是一个针对于全球学者的公开数据集,下面给大家分享一下该数据集的获取网址 1....
  • 看前面关于CWRU数据的博客,大家讨论的如此热烈,这里我就再分享一个可以批量处理凯斯西储大学轴承数据的方法(MATLAB实现)! 经过整理,官网上的数据大概如下: 其中每个文件夹均有各自状态下的数据集,如下: ...
  • 美国西储大学轴承数据解读

    万次阅读 多人点赞 2019-04-27 21:48:50
    实验平台 平台组成 一个1.5KW(2马力)的电动机(图左侧)...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。 故障设置 轴承的损伤是用电火花加工的单点损伤; SKF轴...
  • 凯斯西储大学轴承数据故障分类(使用卷积神经网络) TensorFlow实现MNIST识别(softmax) 前情回顾: tensorflow 堆叠自编码器+softmax对mnist数据集进行分类 之前利用tensorflow建立自编码器,再加了分类层,实现了...
  • 其中前三种故障直径的轴承使用的是SKF轴承,后两种故障直径的轴承使用的是与之等效的NTN轴承。 实验中使用加速度传感器采集振动信号,通过使用磁性底座将传感器安放在电机壳体上。加速度传感器分别...
  • 12k Drive End Bearing Fault data---DE驱动端12k数据集。

空空如也

空空如也

1 2 3 4 5 ... 10
收藏数 193
精华内容 77
关键字:

西储大学轴承数据