Supcon Valve Fault Diagnosis Datasets

该仓库存储了两个用于气动控制阀故障诊断的数据集，包括一个基于以太网APL的智能阀故障数据集和一个富阳中控阀数据集。第一个数据集包含正常操作数据和六种典型阀故障类别，数据以CSV和NumPy文件格式提供；第二个数据集包含DN25和DN50控制阀的故障模拟数据，文件格式包括.DAT和.txt。这些数据集适用于工业设备故障诊断、多元时间序列分类等研究。This repository stores two datasets for pneumatic control valve fault diagnosis, including an intelligent valve fault dataset based on Ethernet APL and a Fuyang Central Control valve dataset. The first dataset contains normal operation data and six typical valve fault categories, with the data provided in CSV and NumPy file formats. The second dataset includes fault simulation data for DN25 and DN50 control valves, with file formats including .DAT and .txt. These datasets are applicable to research such as industrial equipment fault diagnosis and multivariate time series classification.

原始信息汇总

Supcon Valve Fault Diagnosis Datasets 数据集总结

该数据集仓库包含两个气动阀门故障诊断数据集，用于研究记录和结果可复现。

数据集1: Supcon APL Intelligent Valve Fault Dataset

该数据集用于基于Ethernet-APL的智能阀门故障诊断研究，包含正常运行数据和六种典型阀门故障类别。

故障标签定义

标签	故障类型	数据来源
F0	正常工况	实验数据
F1	严重摩擦增加故障	实验数据
F2	中等摩擦增加故障	实验数据
F3	中等供气压力降低故障	实验数据
F4	严重供气压力降低故障	实验数据
F5	外部阀门泄漏故障	仿真数据
F6	内部阀门泄漏故障	仿真数据

重要说明： F5和F6（外部和内部阀门泄漏）由仿真生成，而非物理实验平台直接采集。

数据文件构成

数据集包含CSV文件和NumPy数组文件。

CSV文件包含五个测量变量：

列名	描述
设定点	阀门开度设定值
行程	实际阀门行程/开度
设备温度	设备温度
供气压力	供气压力
输出压力	输出压力

CSV文件按工况组织，包括正常工况、摩擦增加故障和供气压力降低故障。

NumPy文件包含用于模型训练和评估的数据数组包，文件f0.npy至f6.npy对应F0至F6七种运行状态。NumPy数组的特征顺序需在复用前对照原始预处理脚本或实验记录进行确认。

建议用途

该数据集适用于气动控制阀故障诊断、多变量时间序列分类以及工业现场设备智能维护研究。报告结果时应明确区分实验数据与仿真泄漏数据。

数据集2: Fuyang Supcon Valve Dataset

该数据集未在上述论文中使用，仅存储于此仓库用于研究记录。包含DN25和DN50控制阀的故障仿真数据。

DN25数据

文件夹	描述
Normal	正常工况数据
pressure down	供气压力不足
valveclog	阀门堵塞故障

DN50数据

文件夹	描述
pressure down	供气压力不足
Pdown_severely	严重供气压力不足
springloose	弹簧力减小故障
valveclog	阀门堵塞故障

根据原始描述文件，.DAT文件是从流量计采集的十六进制流量数据，.txt文件包含从阀门定位器采集的阀门开度、温度、压力等信息。

数据使用说明

这些数据集仅供学术研究和实验记录目的。使用数据时请引用相关论文或本仓库。未经独立验证，不得将数据用于安全关键的工业决策。

仓库结构

text supcon-valve-fault-datasets/ ├─ README.md ├─ datasets/ │ ├─ supcon_apl_valve_fault_dataset_v1.zip │ └─ fuyang_supcon_valve_dataset.zip └─ docs/ ├─ supcon_apl_valve_fault_dataset_description.md └─ fuyang_supcon_valve_dataset_description.md

搜集汇总

数据集介绍

构建方式

该数据集系Supcon APL智能阀门故障数据集，面向基于Ethernet-APL的智能阀门故障诊断研究而构建。数据涵盖正常运行状态与六类典型阀门故障，其中轻度与重度摩擦增大、供气压力下降等四类故障源自物理实验平台实测，而外漏与内漏两类故障则通过仿真手段生成。可见CSV文件包含阀门开度设定点、实际行程、设备温度、供气压力及输出压力五项测量变量，NumPy文件则封装了F0至F6共七种运行状态的模型训练数据阵列。

特点

数据集的突出特点在于融合了真实实验数据与仿真数据，为故障诊断研究提供了多样化的样本来源。两种故障标签（F5与F6）采用仿真生成的方式，弥补了实际泄漏数据难以采集的不足，拓展了数据覆盖范围。CSV和NumPy双格式并存，兼顾了数据的可视化查阅与模型训练的批量化处理，便于研究者按需选用。同时，数据集对数据类型来源进行明确标注，保障了研究结果的可追溯性。

使用方法

该数据集支持气动控制阀故障诊断、多变量时间序列分类及工业现场设备智能维护等研究。使用时需注意区分F0至F4的实验数据与F5、F6的仿真泄漏数据，并在结果报告中予以说明。建议用户参照预处理脚本验证NumPy阵列的特征顺序，确保模型输入的一致性。研究发表时需引用相关论文或本仓库，且未经独立验证，数据不得用于安全关键的工业决策。

背景与挑战

背景概述

在工业自动化领域，气动调节阀作为过程控制的关键执行元件，其运行状态直接影响生产安全与产品质量。中控技术股份有限公司的研究团队于近年来构建了Supcon Valve Fault Diagnosis Datasets，旨在为智能阀门故障诊断研究提供标准化基准。该数据集由两部分组成：第一部分基于Ethernet-APL智能阀门实验平台，采集了涵盖正常工况、摩擦增加、供气压力下降等六类典型故障的实测与仿真数据；第二部分则收录了来自阜阳中控的DN25与DN50控制阀故障仿真数据。该数据集聚焦于多变量时间序列分类与工业设备智能维护等核心研究问题，为深度学习方法在阀门故障诊断领域的应用提供了重要训练与验证资源，对推动工业物联网背景下的预测性维护技术发展具有显著影响力。

当前挑战

该数据集所应对的领域挑战在于气动调节阀故障的早期精准识别，传统方法难以区分摩擦增加、供气压力下降等故障的细微特征差异，且实际工业环境中故障样本稀缺、工况多变。构建过程中面临多重难题：其一，部分故障类型如阀门内外泄漏难以通过物理实验安全复现，必须依赖高保真仿真生成数据，但仿真数据与实测数据存在分布偏移；其二，实验平台采集的变量（阀位设定点、实际行程、温度、压力等）需在时序对齐与噪声过滤方面进行精细预处理，以保障NumPy封装数组的特征一致性；其三，不同型号阀门（DN25与DN50）的故障表现差异显著，需分别构建标注体系以维护数据集的泛化能力。

常用场景

经典使用场景

Supcon Valve Fault Diagnosis Datasets 在工业过程控制领域扮演着关键角色，特别适用于气动控制阀的故障诊断研究。该数据集包含正常工况与六种典型故障状态（如摩擦增加、供气压力下降及内外部泄漏）的多元时间序列数据，为基于深度学习或统计建模的故障分类与模式识别提供了标准化的基准。研究者可利用阀位设定点、实际行程、设备温度等测量变量，构建端到端的多变量时序分类模型，从而推动智能维护在流程工业中的落地。

实际应用

在实际应用中，该数据集可作为智慧工厂中阀门预测性维护系统的核心训练资源。基于该数据开发的模型能够实时监测阀门的摩擦退化、供气压力异常及泄漏等早期故障征兆，从而减少非计划停机时间。尤其在与Ethernet-APL通信协议结合时，数据集支持边缘计算场景下的轻量化诊断部署，助力流程工业实现从被动维修向主动维护的范式转变，在石油化工、电力等行业具有显著的降本增效潜力。

衍生相关工作

该数据集衍生了一系列具有影响力的研究工作，包括基于注意力机制的时序Transformer网络用于多故障分类、对比学习框架在泄漏检测中的无监督预训练，以及跨域迁移学习方法在模拟数据与真实数据对齐上的创新。部分工作还探索了可解释性分析，利用梯度加权类激活映射（Grad-CAM）识别关键故障特征维度。这些成果不仅验证了数据集的基准价值，更推动了对工业时间序列中时频耦合特征的深入理解，反哺了故障诊断领域方法论的演进。