电机多工况性能曲线健康度智能评估数据

本数据集基于电机在空载至最大输出连续加载测试中的全工况运行数据（扭矩、转速、输入功率等时序曲线），输出每台电机的健康度评分（0‑100分）、异常模式编码及异常定位工况区间。该评估结果可有效替代传统“单项指标容差”粗放判定，精准识别“单项合格但曲线形态异常”的隐性缺陷（如磁路饱和、绕组不对称、效率平台波动）并自动归类，同时精确定位异常发生的负载段（空载、轻载、额定点附近或最大输出），为设计改进与工艺排查提供直接指向；通过批次间评分趋势分析，可提前预警产线质量波动。在产业链层面，整机厂可采信评分作为来料质量依据，降低重复检测成本；第三方检测机构可将其作为智能判异基准；保险金融机构可用于差异化定价与风控评估，实现从内部工具向产业链协同数据资产的延伸。此外，本数据集还可用作电机故障诊断、健康预测等AI模型的带标注真实工况训练语料，为电机垂直领域大模型预训练提供工业样本，有效解决工业数据稀缺瓶颈，支撑智能制造与预测性维护等AI应用落地。

搜集汇总

背景与挑战

背景概述

本数据集基于电机空载至最大输出连续加载测试的全工况运行数据，通过一维卷积神经网络提取形态特征、自编码器构建健康基准模型，输出每台电机的健康度评分、异常模式编码及异常定位工况区间。该评估结果能精准识别“单项合格但曲线形态异常”的隐性缺陷并自动归类，精确定位异常发生的负载段，同时可用于电机故障诊断、健康预测等AI模型的带标注训练语料。