HUSTgearbox|机械故障诊断数据集|智能诊断数据集

This reposotory release a gearbox failure dataset, which can support intelliegnt fault diagnosis research

原始信息汇总

数据集概述

数据集名称： HUSTgearbox dataset

数据集描述： 该数据集包含来自齿轮箱的振动信号，涵盖3种不同的健康状态和30种不同的操作条件。数据集公开可用，适用于验证齿轮箱诊断算法。

实验设置

测试设备： 使用Spectra-Quest Mechanical Fault Simulator进行齿轮箱故障测试。

齿轮箱健康状态：

1. 正常
2. 断齿
3. 缺齿

操作条件：

• 负载类型： 5种（0 Nm, 0.113 Nm, 0.226 Nm, 0.339 Nm, 0.452 Nm）
• 转速类型： 6种（20 Hz, 25 Hz, 30 Hz, 35 Hz, 40 Hz, 0-40-0 Hz）

采样设置：

• 采样频率： 25.6 kHz
• 数据点数： 262144（即10.2秒）

数据集详情

文件数量： 90（3种健康状态 × 30种工作条件）

文件格式： TEXT

文件命名规则： 例如，"B_20_1" 表示在20 Hz和1×0.113 Nm工作条件下的断齿故障。

健康状态代码：

• H: 健康
• B: 断齿
• M: 缺齿

联系方式

联系人： 赵超

电子邮箱： [e-mail]

AI搜集汇总

数据集介绍

构建方式

HUSTgearbox数据集的构建基于实验室自采的齿轮箱振动信号，采用了Spectra-Quest机械故障模拟器进行实验。实验设置了三种不同的齿轮箱健康状态（正常、断齿、缺齿）以及30种不同的运行条件（包括5种负载和6种转速）。数据采集过程中，采样频率设定为25.6 kHz，每次采样记录262144个数据点，持续时间为10.2秒。所有故障均为人工预设，确保了数据的可控性和可重复性。

特点

HUSTgearbox数据集包含了齿轮箱在三种健康状态下的振动信号，涵盖了30种不同的运行条件，具有较高的多样性和代表性。数据集中的每个文件均以TEXT格式存储，文件名明确标识了故障类型、转速和负载条件，便于用户快速定位所需数据。此外，数据集还提供了详细的实验设备和齿轮箱参数信息，为研究者提供了丰富的背景资料。

使用方法

使用HUSTgearbox数据集时，用户可通过文件名快速识别数据的故障类型和运行条件。数据集文件以TEXT格式存储，便于直接读取和处理。研究者可利用该数据集验证齿轮箱故障诊断算法的性能，或进行跨领域故障诊断的研究。使用该数据集的研究成果需引用指定的论文，以确保数据的学术规范性和可追溯性。

背景与挑战

背景概述

HUSTgearbox数据集由华中科技大学的研究团队于2024年发布，旨在为齿轮箱故障诊断领域提供高质量的开源数据支持。该数据集由Chao Zhao等研究人员主导，基于Spectra-Quest机械故障模拟器采集了齿轮箱在三种健康状态（正常、断齿、缺齿）下的振动信号，涵盖了30种不同的运行条件，包括5种负载和6种转速。数据集的发布为验证齿轮箱故障诊断算法提供了重要基准，相关研究成果已发表于《Reliability Engineering and System Safety》期刊。HUSTgearbox数据集的开放不仅推动了齿轮箱故障诊断技术的发展，也为跨领域故障诊断研究提供了新的视角和工具。

当前挑战

HUSTgearbox数据集在构建和应用过程中面临多重挑战。首先，齿轮箱故障诊断本身具有复杂性，不同故障类型在振动信号上的表现可能相似，增加了故障识别的难度。其次，数据采集过程中需精确控制负载和转速，以确保数据的可靠性和一致性，这对实验设备的精度和操作人员的技能提出了较高要求。此外，数据集仅包含预设的故障类型，未能涵盖实际工业场景中可能出现的复杂故障模式，限制了其在实际应用中的泛化能力。最后，数据集的公开性和标准化程度仍需进一步提升，以促进更广泛的学术研究和工业应用。

常用场景

经典使用场景

HUSTgearbox数据集广泛应用于齿轮箱故障诊断算法的验证与优化。该数据集包含了齿轮箱在三种不同健康状态下的振动信号，涵盖了30种不同的运行条件，为研究人员提供了一个全面的实验平台。通过分析这些振动信号，研究者能够开发出更为精确的故障检测和诊断模型，从而提升齿轮箱的可靠性和安全性。

实际应用

在实际应用中，HUSTgearbox数据集被广泛用于工业设备的健康监测和故障预警系统。通过分析齿轮箱的振动信号，工程师能够及时发现潜在的故障，并采取相应的维护措施，从而避免设备损坏和生产中断。该数据集的应用不仅提高了设备的运行效率，还降低了维护成本，具有显著的经济效益和社会价值。

衍生相关工作

HUSTgearbox数据集衍生了许多经典的研究工作，特别是在齿轮箱故障诊断和领域泛化方面。基于该数据集，研究者提出了多种先进的诊断算法和模型，如深度学习和迁移学习方法。这些工作不仅提升了故障诊断的准确性，还为其他机械设备的健康监测提供了新的思路和方法。此外，该数据集还被用于多篇高影响力的学术论文中，推动了相关领域的研究进展。