开源PHM数据集|预测与健康管理数据集|工业数据分析数据集

本文分享了一个全球各大学、研究机构和公司捐赠的PHM（Prognostics and Health Management）开源数据集，涵盖加工制造、轨道交通、能源电力和半导体等行业的多种场景，包含部件级、设备级和产线级数据。用户可以利用这些数据开发智能分析和建模算法，数据集分类包括故障诊断、健康评估和寿命预测。

This article shares an open-source PHM (Prognostics and Health Management) dataset contributed by universities, research institutions, and companies worldwide. It covers various scenarios in industries such as manufacturing, rail transportation, energy and power, and semiconductors, including component-level, equipment-level, and production-line-level data. Users can utilize this data to develop intelligent analysis and modeling algorithms. The dataset categories include fault diagnosis, health assessment, and lifespan prediction.

原始信息汇总

数据集概述

轴承故障诊断数据集列表

年份	数据集名称	描述	链接
1997	凯斯西储大学轴承数据中心	由美国凯斯西储大学完成试验，是当前轴承振动信号处理、故障诊断方面论文使用最为广泛的标准数据集。	CWRU Dataset
2000	机械故障预防技术学会	由美国机械故障预防技术学会提供，已提供轴承故障数据集以促进轴承分析的研究。	MFPT Dataset
2006	辛辛那提大学IMS轴承退化数据	由美国辛辛那提大学李杰教授团队分享，用于评估轴承寿命退化的实验数据。	IMS Dataset
2012	FEMTO-ST轴承退化数据集	由FEMTO-ST研究所建立的PHM IEEE 2012数据挑战期间使用的数据集。	FEMTO-ST Dataset
2018	帕德伯恩大学轴承数据集	由德国帕德博恩大学设计完成实验，包含多种故障类型和工况的轴承数据。	Paderborn Dataset
2018	西安交通大学轴承数据集	由西安交通大学雷亚国课题组王彪博士整理的轴承寿命退化数据。	XJTU-SY Dataset
2021	新南威尔士大学轴承全寿命故障数据	此数据集包含新南威尔士大学收集的全寿命轴承故障数据，用于评估轴承故障严重程度的发展方法。	UNSW Run-to-Failure Data
2022	三轴电机轴承振动数据集	此数据集包含在不同负载条件下操作的感应电动机轴承的三轴振动数据。	Triaxial Bearing Vibration Dataset
2022	全寿命轴承故障数据集	此数据集包括从正常到故障的球轴承振动和温度数据。轴承在恒定速度下运行，直至温度超过85°C或振动值超过9 m/s²。	Run-to-Failure Dataset
2023	振动和电机电流数据集	此数据集提供变速条件下轴承故障的振动和电流数据，转速范围为680 RPM到2460 RPM。	Vibration and Motor Current Dataset
2023	回转支承数据集	此数据集包含回转支承在九种工况下的振动和声发射信号，详细标记了收集时间、故障类型、速度和负载等信息。	JUST Slewing Bearing Datasets
2023	华中科技大学轴承数据集	此数据集包含不同类型球轴承在各种工况下的振动数据，涵盖六种缺陷类型。	HUST Bearing Dataset
2023	智能轴承故障诊断数据集	此数据集使用故障模拟器收集，涵盖了不同轴承故障类型的振动数据。	Intelligent Bearing Fault Diagnosis
2023	渥太华大学频谱数据集	此数据集包含通过频谱处理的振动和声学数据，用于故障诊断。提供了将原始数据转换为频谱图的Python代码。	University of Ottawa Spectrogram Data
2023	渥太华大学振动和声学数据集	此数据集提供了在恒定负载和速度条件下的振动和声学数据，适用于评估故障诊断技术的有效性。	University of Ottawa Vibration and Acoustic Data
2023	SCA轴承数据集	此数据集包含纸浆厂收集的不同健康状态下轴承的振动测量数据。	SCA Bearing Dataset

齿轮箱故障诊断数据集列表

年份	数据集名称	描述	链接
2009	齿轮箱故障检测数据集	该数据集用于齿轮箱故障检测，包含在不同工作条件下收集的振动数据。	NASA Gearbox Fault Detection
2017	康涅狄格大学齿轮数据集	由美国康涅狄格大学唐炯教授团队分享的齿轮箱故障数据。	Connecticut Dataset
2018	东南大学齿轮箱数据集	由东南大学传动系统动力学模拟器收集的数据，包含两类工作条件下的齿轮和轴承数据。	Mechanical-datasets
2021	新南威尔士大学齿轮磨损全寿命数据集	在新南威尔士大学的齿轮箱测试装置上进行的测试，记录了有润滑和无润滑条件下的振动信号，采样频率为100 kHz。	Gear Wear Run-to-Failure Dataset
2023	清华大学齿轮箱基准数据集	收集了在可变工况下运行的齿轮箱的振动数据，包含多种故障类型和故障严重程度。	MCC5-THU-Gearbox-Benchmark-Datasets
2023	风力涡轮机齿轮箱故障诊断数据集	包含风力涡轮机齿轮箱的健康和故障数据，适用于齿轮箱故障诊断研究。	Gear-Box-Fault-Diagnosis-Data-Set
2023	华中科技大学齿轮箱数据集	包含不同健康状态下齿轮箱的振动信号，涵盖30种不同工况。	HUSTgearbox-dataset
2023	行星齿轮箱数据集	用于行星齿轮箱健康状态识别的深度学习研究，包含多个故障类型的数据。	WT-planetary-gearbox-dataset
2023	增强型齿轮箱故障诊断数据集	使用SpectraQuest齿轮箱故障诊断模拟器记录的振动数据，涵盖不同负载条件下的数据。	Enhanced-Gearbox-Fault-Diagnosis
2023	湖南大学齿轮箱故障数据集	包括在不同工作条件下的齿轮箱故障数据，适用于智能故障诊断研究。	HNUIDG-Fault-Diagnosis

优秀的工业数据集列表

1. Rotating-machine-fault-data-set 描述: 开源旋转机械故障数据集的整理，包含来自多个研究机构和大学的轴承、齿轮、转子等机械部件的故障数据。适用于机械故障诊断的研究。

2. Awesome Industrial Machine Datasets 描述: 一个汇集了工业领域内优秀公共数据集的列表，包括各类传感器数据、时间序列数据和模拟数据。该列表定期更新，涵盖了半导体、化学、机械、钢铁、电力等多个行业的数据集。

3. Industrial ML Datasets 描述: 一个整理的公开可用数据集列表，用于制造领域的机器学习研究。包括空气压力系统故障检测、海军推进系统维护和燃气轮机过程数据等数据集。

4. Industrial Surface Inspection Datasets 描述: 专注于不同工业表面上的缺陷检测和异常检测的数据集。著名的数据集包括MVTec异常检测数据集、Severstal钢缺陷检测和磁性瓷砖缺陷数据集。

5. Awesome Industrial Datasets 描述: 一个精选的公共工业数据集集合，包括发动机降解模拟、CNC铣床工具磨损和各种控制回路性能监控数据集。

6. Open-industrial-datasets 描述: 提供了各种工业应用的开放数据集，按类别划分，便于使用。包括计算机视觉、油气设备、安全水处理和运输模式检测的数据集。

7. FDDBenchmark 描述: 提供故障检测和诊断方法的基准测试工具，包括来自田纳西东曼过程和轴承振动数据的各种工业数据集。

AI搜集汇总

数据集介绍

构建方式

开源PHM数据集的构建汇聚了全球范围内多所大学、研究机构及企业的贡献，涵盖了加工制造、轨道交通、能源电力和半导体等多个行业的实际应用场景。这些数据集的收集和整理工作细致入微，不仅包括部件级、设备级和产线级的多层次数据，还特别针对故障诊断、健康评估和寿命预测等业务目标进行了分类。通过这种方式，数据集不仅为学术研究提供了丰富的资源，也为工业界的实际应用提供了有力的支持。

使用方法

使用开源PHM数据集时，用户首先需根据研究或应用的具体需求选择合适的数据子集。数据集提供了详细的分类和描述，便于用户快速定位所需数据。在数据下载和使用过程中，用户应遵循数据集的使用条款，并在发表相关研究成果时致谢数据集的捐赠者和平台。此外，数据集的README文件中提供了丰富的链接和参考资料，帮助用户深入理解和有效利用这些数据资源。

背景与挑战

背景概述

开源PHM数据集（Opensource_Dataset_Compilation_for_PHM）是由全球各大学、研究机构和公司捐赠的PHM（Prognostics and Health Management）数据集的集合，涵盖了加工制造、轨道交通、能源电力和半导体等多个行业的多种场景。该数据集的核心研究问题包括故障诊断、健康评估和寿命预测，旨在为智能分析和建模算法提供丰富的数据资源。自1997年凯斯西储大学轴承数据中心的数据集开始，该平台不断汇集和更新来自不同研究机构的高质量数据，对推动PHM领域的研究具有重要影响。

当前挑战

开源PHM数据集在构建和应用过程中面临多项挑战。首先，数据集的多样性和复杂性要求研究人员具备跨领域的知识，以有效整合和分析不同行业的数据。其次，数据的质量和一致性是确保模型准确性的关键，但不同数据源的采集标准和条件差异较大，增加了数据预处理的难度。此外，随着工业4.0的发展，对实时数据处理和预测能力的需求日益增长，如何高效地利用这些数据集进行实时健康管理和故障预测，是当前研究的重要课题。

常用场景

经典使用场景

开源PHM数据集在工业领域中广泛应用于故障诊断、健康评估和寿命预测。通过整合来自全球各大学、研究机构和公司的数据，该数据集为研究人员提供了丰富的资源，以开发和验证智能分析和建模算法。特别是在轴承和齿轮箱的故障诊断中，该数据集的经典应用场景包括振动信号处理、故障模式识别和健康状态监测，为工业设备的预测性维护提供了坚实的基础。

解决学术问题

开源PHM数据集解决了工业设备故障诊断和健康管理中的多个关键学术问题。首先，它为研究人员提供了标准化的数据集，使得不同算法和方法的比较和验证成为可能。其次，通过涵盖多种工业场景和设备级别的数据，该数据集促进了跨领域的研究合作，推动了故障诊断和健康评估技术的进步。此外，该数据集还为寿命预测模型的开发提供了宝贵的实验数据，有助于提高设备的可靠性和使用寿命。

实际应用

在实际应用中，开源PHM数据集被广泛用于工业设备的预测性维护和故障预警系统。例如，在制造业中，通过分析轴承和齿轮箱的振动数据，企业可以提前识别潜在的故障模式，从而减少停机时间和维修成本。在能源和轨道交通行业，该数据集的应用帮助运营商优化设备运行状态，提高系统的可靠性和安全性。此外，该数据集还支持智能工厂的建设，通过实时数据分析和预测，实现设备的智能化管理和优化。

数据集最近研究

最新研究方向

在工业4.0和智能制造的背景下，开源PHM数据集的研究方向主要集中在利用先进的人工智能和机器学习技术进行故障诊断、健康评估和寿命预测。近年来，随着深度学习技术的快速发展，研究人员开始探索如何将卷积神经网络（CNN）、长短期记忆网络（LSTM）等深度学习模型应用于PHM领域，以提高故障诊断的准确性和健康评估的实时性。此外，跨领域数据融合和多源信息集成也成为研究热点，旨在通过整合不同传感器和设备的数据，提升PHM系统的整体性能和鲁棒性。这些研究不仅推动了工业设备的智能化管理，也为实现预测性维护和降低运维成本提供了有力支持。