HIT-dataset

这是一个基于旋转器和壳体振动信号的轴承数据集，来源于带有轴承故障的航空发动机测试。

This is a bearing dataset based on rotor and casing vibration signals, derived from aero-engine tests with bearing faults.

原始信息汇总

HIT-dataset 概述

数据集来源

• 数据集基于航空发动机测试中的内轴轴承故障，通过采集转子和壳体的振动信号获得。

数据集内容

• 示例上传了“Channel 1”的数据。
• 训练集数据：xtrain_1, xtrain_2, xtrain_3, xtrain_4（使用时需按顺序拼接）。
• 测试集数据：xtest。
• 训练集标签：ytrain_1, ytrain_2, ytrain_3, ytrain_4。
• 测试集标签：ytest。

数据集使用

• 使用此数据集时，请引用以下论文：
  • Hou, L., H. Yi, Y. Jin, M. Gui, L. Sui, J. Zhang, and Y. Chen. “Inter-Shaft Bearing Fault Diagnosis Based on Aero-Engine System: A Benchmarking Dataset Study”. Journal of Dynamics, Monitoring and Diagnostics, vol. 2, no. 4, Aug. 2023, pp. 228-42, doi:10.37965/jdmd.2023.314.

数据集存储

• 由于数据集文件较大，完整数据集已上传至Google Drive，链接为：https://drive.google.com/drive/folders/1Km1Go4ilB_bI033SBJ7eJ0uCzbqEqbgt?usp=sharing

搜集汇总

数据集介绍

构建方式

HIT-dataset 数据集的构建基于航空发动机测试中的振动信号，特别是针对中间轴轴承故障的信号。该数据集来源于实际的航空发动机测试，通过采集转子和壳体的振动信号，形成了一个包含故障特征的基准数据集。数据集的构建过程严格遵循实验规范，确保了数据的可靠性和真实性。

使用方法

使用 HIT-dataset 数据集时，首先需从提供的 Google Drive 链接下载完整数据集。对于训练集，需将 'xtrain_1, xtrain_2, xtrain_3, xtrain_4' 按顺序拼接以形成完整的训练数据。测试集 'xtest' 则可直接使用。标签数据 'ytrain_1, ytrain_2, ytrain_3, ytrain_4' 和 'ytest' 分别对应训练集和测试集的标签，用于模型的训练和评估。使用时请引用相关文献以确保学术诚信。

背景与挑战

背景概述

HIT-dataset，由哈尔滨工业大学（HIT）的研究团队创建，专注于航空发动机中间轴轴承故障诊断。该数据集基于转子和壳体的振动信号，源自航空发动机测试中的中间轴轴承故障。其核心研究问题在于通过振动信号分析，实现对航空发动机中间轴轴承故障的精确诊断。该数据集的发布标志着在航空发动机故障诊断领域的一项重要进展，为相关研究提供了宝贵的基准数据，推动了该领域的技术进步和应用深化。

当前挑战

HIT-dataset在构建过程中面临多项挑战。首先，数据集的规模庞大，导致文件传输和处理上的困难，需要通过Google Drive进行分段上传和下载。其次，振动信号的复杂性和多样性增加了数据处理的难度，要求研究人员具备高水平的信号处理和故障诊断技术。此外，数据集的标签准确性对故障诊断的精度至关重要，确保标签与实际故障情况的高度一致性是一项艰巨任务。这些挑战共同构成了HIT-dataset在实际应用中的主要障碍。

常用场景

经典使用场景

在航空发动机系统的研究领域中，HIT-dataset以其独特的振动信号数据集而闻名。该数据集通过采集转子和壳体的振动信号，为研究者提供了一个详尽的基准数据集，用于分析和诊断航空发动机中的中间轴轴承故障。通过将训练集（xtrain_1, xtrain_2, xtrain_3, xtrain_4）和测试集（xtest）结合使用，研究者能够开发和验证各种故障诊断算法，从而提升航空发动机系统的可靠性和安全性。

解决学术问题

HIT-dataset在学术研究中解决了航空发动机中间轴轴承故障诊断的关键问题。通过提供高质量的振动信号数据，该数据集使得研究者能够深入探索故障模式识别、特征提取和分类算法等前沿技术。这不仅推动了故障诊断技术的发展，还为航空发动机的健康监测和维护提供了科学依据，具有重要的学术价值和实际意义。

实际应用

在实际应用中，HIT-dataset为航空发动机维护和故障诊断提供了强有力的支持。通过分析数据集中的振动信号，工程师可以实时监测发动机的运行状态，及时发现和诊断潜在的中间轴轴承故障，从而避免因故障导致的停机和安全事故。此外，该数据集还促进了智能维护系统的开发，提高了航空发动机的运行效率和安全性。

数据集最近研究

最新研究方向

在航空发动机系统中，HIT-dataset的引入为跨轴轴承故障诊断提供了新的研究视角。该数据集基于转子和壳体的振动信号，来源于带有跨轴轴承故障的航空发动机测试，为研究人员提供了丰富的实验数据。近年来，该领域的研究重点在于利用深度学习技术，如卷积神经网络（CNN）和长短期记忆网络（LSTM），对振动信号进行特征提取和故障分类。这些方法不仅提高了诊断的准确性，还为实时监测和预测维护提供了可能。此外，跨轴轴承故障诊断的研究还涉及到多传感器数据融合和自适应学习算法，以应对复杂工况下的故障识别挑战。HIT-dataset的发布，为这些前沿研究提供了坚实的基础，推动了航空发动机维护技术的进步。