离散制造全流程自主故障预防数据集

该数据集面向离散制造全流程自主故障预防任务建设，聚焦高可靠性、低停机时间制造环境的轴承故障诊断需求，针对工业场景中设备故障预防专用数据匮乏的缺口，填补了多工况、多故障类型轴承振动数据的空白，对推动故障诊断模型训练与自主故障预防策略研究、提升制造流程稳定性与可靠性具有重要意义，可广泛服务于学术研究、工业技术研发及制造车间智能升级实践。
数据集通过实验采集方式产生，基于五种异构设备的关键轴承（含保持器故障、滚动体故障、内圈故障、外圈故障及正常轴承），在 300rpm 至 550rpm（每 50rpm 一档）六种转速工况下开展实验。实验通过控制电机输入电压固定转速，更换不同类型轴承进行 30 次重复测试，采用采样频率 1kHz 的传感器采集振动数据，确保数据的真实性与规范性。
数据集核心内容为三维振动位移数据，以 CSV 格式存储，每个文件仅第 11-13 列为有效数据，分别对应 X 轴、Y 轴、Z 轴振动位移（单位：微米）。数据集采用分类清晰的目录结构，30 个 CSV 文件与 “六种工况 + 五种轴承类型” 一一对应，文件名以数字编号区分（如 0.csv 对应 300rpm 工况下的保持器故障数据），便于按需读取与分类管理。数据涵盖五种故障 / 正常类别（编码 0-4）与六种工况（编码 0-5），可直接用于轴承故障诊断模型的训练、验证与性能评估。
数据体量方面，每次实验采样时间 100 秒，单文件含 100000 条三维振动数据，全数据集共 30 个文件，累计 300 万条有效振动记录，规模适配故障诊断模型的深度学习训练需求，能充分支撑多工况下的故障特征挖掘与模型泛化能力验证。
该数据集完全公开共享，无特殊环境要求，可通过 Python Pandas 等主流工具库轻松读取，为离散制造全流程自主故障预防研究提供了高质量、结构化的实验数据支撑，助力领域知识迁移与故障诊断技术落地。