Stuttgart Open Relay Degradation Dataset (SOReDD)

斯图加特开放继电器退化数据集(SOReDD)由斯图加特大学工业自动化与软件工程研究所创建，专注于不同电磁继电器在不同操作条件下的退化数据。该数据集包含32449个样本，涵盖了多种继电器类型和操作参数，如电压曲线、接触电阻等。数据集的创建通过专门的测试平台进行，该平台能够模拟多种操作条件并记录继电器的退化过程。SOReDD数据集主要用于工业转移学习，旨在通过预测继电器退化来优化机器的维护和减少非计划停机时间。

The Stuttgart Open Relay Degradation Dataset (SOReDD) was developed by the Institute of Industrial Automation and Software Engineering at the University of Stuttgart, focusing on degradation data of various electromagnetic relays under different operating conditions. This dataset contains 32,449 samples, covering multiple relay types and operating parameters such as voltage curves, contact resistance, and more. The dataset was constructed using a dedicated test bench that can simulate various operating conditions and record the degradation process of the relays. The SOReDD dataset is primarily intended for industrial transfer learning, aiming to optimize machine maintenance and reduce unplanned downtime by predicting relay degradation.

搜集汇总

数据集介绍

构建方式

在工业自动化领域，对机电继电器退化行为的精确监测是预测性维护的关键。斯图加特开放继电器退化数据集（SOReDD）的构建依托于一套专门设计的测试平台，该平台集成了微控制器、可调实验室电源及USB示波器等精密组件。通过将五种不同类型的继电器置于22种不同的工作条件下进行循环开关操作，直至其失效，系统每50个周期记录一次负载电路的电压曲线及接触电阻。数据采集过程涵盖了从初始状态到最终失效的全生命周期，共生成32449个样本，并以结构化JSON格式存储，确保了数据的高精度与可追溯性。

特点

该数据集的核心特点在于其广泛覆盖的退化场景与多维度的参数记录。它囊括了五种继电器型号在多种电压与负载电阻组合下的退化数据，为研究不同工况对继电器寿命的影响提供了丰富样本。数据集不仅包含接触电阻的时序测量，还详细记录了开关事件中的电压梯度曲线，这些高分辨率数据能够清晰揭示继电器接触面在电弧作用下的渐进损伤过程。此外，每个样本均附有完整的元数据，如循环次数、负载条件及继电器标识，支持复杂的迁移学习与剩余使用寿命预测任务。

使用方法

研究人员可利用该数据集开发与验证机电继电器的故障预测与健康管理模型。数据集以JSON文件形式组织，顶层包含元数据、接触电阻及开关曲线三个部分。用户可通过解析metadata字典获取实验条件，结合contactResistance字典中的时间序列电阻值分析退化趋势，并利用switchingCurves列表中的电压波形研究开关动态特性。该结构支持直接导入至Python等编程环境，便于进行特征提取、退化建模及跨工况的迁移学习算法测试，为工业场景下的预测性维护策略提供数据驱动的基础。

背景与挑战

背景概述

在工业自动化领域，机电继电器作为关键的标准组件，其失效往往导致整个系统停机，引发高昂的维护成本。为应对这一挑战，斯图加特大学工业自动化与软件工程研究所的研究团队于近年创建了斯图加特开放继电器退化数据集（SOReDD）。该数据集聚焦于机电继电器的故障预测与健康管理，核心研究问题在于通过数据驱动方法精准预测继电器在多样化工况下的剩余使用寿命。其创新之处在于提供了五种继电器在二十二种不同操作条件下的退化数据，涵盖电压曲线、接触电阻等关键参数，为工业迁移学习算法的开发奠定了坚实基础，显著推动了预测性维护技术在复杂工业环境中的应用。

当前挑战

SOReDD数据集旨在解决机电继电器剩余使用寿命预测这一领域核心问题，其面临的主要挑战在于继电器退化行为高度依赖于负载电压、电流等操作条件，导致单一工况下的模型难以泛化至复杂多变的工业场景。构建过程中，研究团队需克服数据采集的复杂性：设计专用测试台以并行切换多种继电器直至失效，并确保在高分辨率下同步测量电压梯度与接触电阻；同时，需处理异构数据整合问题，将不同继电器类型、操作条件及元数据统一为结构化JSON格式，以支持迁移学习研究。这些挑战凸显了在真实工业环境中构建标准化退化数据集的艰巨性。

常用场景

经典使用场景

在工业自动化与预测性健康管理领域，机电继电器作为核心功率开关元件，其退化行为的精确预测对保障设备连续运行至关重要。斯图加特开放继电器退化数据集（SOReDD）为这一领域提供了经典的研究场景，通过记录五种不同类型继电器在二十二种不同操作条件下的退化数据，包括开关曲线和接触电阻的周期性测量，为数据驱动的剩余使用寿命预测模型构建了标准化实验环境。该数据集特别适用于模拟工业现场中继电器因负载电压和电阻变化导致的差异化退化过程，为研究环境变量对元件寿命的影响机制提供了多维度观测窗口。

实际应用

在实际工业场景中，SOReDD数据集为自动化系统的预防性维护策略优化提供了直接支撑。制造企业可利用该数据集训练的预测模型，对生产线中承担关键开关功能的继电器进行健康状态监测，通过实时比对运行数据与数据集中的退化特征，提前识别接触电阻异常或开关时序偏移等故障前兆。这种基于数据驱动的预测能力使得维护人员能够在继电器完全失效前安排计划性更换，显著减少因意外停机导致的生产损失。数据集涵盖的宽范围工况条件确保了模型能够适应不同工业现场的电压波动和负载变化，提升了预测系统在实际部署中的鲁棒性。

衍生相关工作

基于SOReDD数据集，学术界已衍生出多个具有影响力的研究方向。在迁移学习领域，研究者利用其多继电器类型、多工况的特性，开发了针对小样本工况的域自适应剩余使用寿命预测框架，显著提升了模型在新操作环境下的泛化能力。在特征工程方面，学者们深入分析了开关曲线波形特征与接触电阻演化之间的关联性，提出了基于时序模式识别的早期故障检测算法。此外，该数据集还促进了跨模态融合方法的发展，研究者通过联合分析电压时序信号与电阻标量数据，构建了多源信息互补的退化评估模型，为复杂工业元件的健康管理提供了新的方法论视角。