多模式变速箱故障诊断数据集

多模式变速箱故障诊断数据集是由上海第五冶金集团有限公司和清华大学自动化系共同创建，旨在解决变速箱在变工作条件下故障诊断的挑战。数据集包含240组时间序列数据，涵盖多种故障类型和程度，以及不同的速度和负载条件。数据集的创建通过精确的机械加工过程，手动植入齿轮或轴承的故障，包括健康状态、缺齿、磨损、点蚀、齿根裂纹和断齿等。该数据集适用于测试新开发的故障诊断方法的有效性和可靠性，特别是在变速箱的实时监控和故障诊断领域。

The Multimodal Gearbox Fault Diagnosis Dataset was jointly created by Shanghai No.5 Metallurgical Group Co., Ltd. and the Department of Automation, Tsinghua University, aiming to address the challenges of gearbox fault diagnosis under varying operating conditions. This dataset contains 240 sets of time-series data, covering multiple fault types and severity levels, as well as diverse speed and load conditions. It was developed through precise machining processes, with artificially implanted faults in gears or bearings, including healthy state, missing tooth, wear, pitting, root crack, and broken tooth, among others. This dataset is suitable for testing the effectiveness and reliability of newly developed fault diagnosis methods, particularly in the field of real-time gearbox monitoring and fault diagnosis.

AI搜集汇总

数据集介绍

构建方式

多模式变速箱故障诊断数据集的构建基于一个两阶段平行齿轮箱，通过精确的加工工艺在齿轮或轴承中植入多种故障类型和严重程度。实验过程中，使用两个三轴加速度传感器分别采集电机驱动端和齿轮箱中间轴的三轴振动加速度信号，光电传感器采集电机输出轴的键相信号（速度数据），扭矩传感器采集齿轮箱输入轴的扭矩数据。数据采集在12.8 kHz的采样频率下进行，涵盖了240组时间序列数据，每组数据包含8列，分别记录了速度、扭矩以及电机和齿轮箱的振动加速度信息。

特点

该数据集的特点在于其涵盖了多种故障类型和严重程度，包括健康状态、缺齿、磨损、点蚀、齿根裂纹和断齿等单一故障，以及齿轮和轴承的复合故障。此外，数据集还包含了在不同转速和负载条件下的振动信号、速度信号和扭矩信号，能够有效模拟实际工业环境中变速箱的复杂工作状态。数据集的高采样频率和多样化的故障设置使其成为评估故障诊断方法有效性和可靠性的理想工具。

使用方法

该数据集的使用方法主要包括数据预处理、特征提取和模型训练与评估。研究人员可以通过分析振动信号的时频特性，提取故障特征，并利用机器学习或深度学习算法构建故障诊断模型。数据集中的多种故障类型和工作条件为模型的泛化能力提供了充分的测试场景。此外，研究人员可以根据具体任务需求，灵活划分训练集和测试集，以验证所提出方法的鲁棒性和准确性。

背景与挑战

背景概述

多模式变速箱故障诊断数据集由清华大学自动化系与MCC5集团上海有限公司联合开发，旨在解决变速箱在变工况条件下的故障诊断问题。该数据集创建于2023年，主要研究人员包括陈世金、刘泽一等。数据集通过精确的加工工艺模拟了变速箱在不同转速和负载条件下的多种故障类型，涵盖了齿轮缺失、磨损、点蚀、裂纹及断裂等单一故障，以及齿轮与轴承的复合故障。该数据集为研究变工况下变速箱故障诊断算法的鲁棒性和准确性提供了重要的数据支持，推动了机械工程领域故障诊断技术的发展。

当前挑战

该数据集面临的挑战主要包括两个方面：首先，变速箱在变工况下的故障信号特征分布复杂，导致故障诊断模型的鲁棒性和准确性难以保证。其次，数据集的构建过程中，需精确模拟多种故障类型及其严重程度，并在不同转速和负载条件下采集振动信号，这对实验设备的设计和数据的采集精度提出了极高要求。此外，数据集的多样性和复杂性也对后续故障诊断算法的开发与验证提出了更高的挑战。

常用场景

经典使用场景

多模式变速箱故障诊断数据集广泛应用于机械工程领域，特别是在变速箱故障诊断和状态监测的研究中。该数据集通过收集不同工作条件下的振动信号、速度信号和扭矩信号，为研究人员提供了一个全面的实验平台，用于开发和测试新的故障诊断算法。其经典使用场景包括在变速和变负载条件下对变速箱的健康状态进行实时监测和故障预测。

衍生相关工作

该数据集衍生了许多经典的研究工作，特别是在基于深度学习的故障诊断方法方面。例如，研究人员利用该数据集开发了基于证据集成偏好引导学习的实时多模式故障诊断方法，显著提高了故障诊断的准确性和实时性。此外，该数据集还被用于开发基于迁移学习和多尺度网络的机械故障诊断方法，进一步推动了该领域的技术进步。

数据集最近研究

最新研究方向

近年来，多模式变速箱故障诊断数据集在机械工程领域的研究方向主要集中在复杂工况下的故障诊断算法优化与多信号融合分析。随着工业设备智能化需求的提升，变速箱在变工况下的故障诊断成为研究热点。该数据集通过模拟不同速度、负载条件下的振动信号，涵盖了多种单一和复合故障类型，为开发高精度、鲁棒的故障诊断模型提供了丰富的数据支持。当前研究重点包括基于深度学习的多模态信号融合技术、自适应故障诊断算法以及实时监测系统的开发。这些研究不仅提升了故障诊断的准确性，还为工业设备的预测性维护提供了理论依据和技术支持。

相关研究论文

• Multi-mode Fault Diagnosis Datasets of Gearbox Under Variable Working Conditions

  上海第五冶金集团有限公司 · 2024年