GearEccDataset

该齿轮偏心数据集由澳门大学科技学院SMART Group提供，包含多个故障严重级别的数据文件，可用于数据驱动的故障诊断模型案例分析和齿轮偏心动力学模型研究的实验验证。数据集包含352个v7.3版本的.mat数据文件，每个文件内包含11个传感器记录的信号。

This gear eccentricity dataset is provided by the SMART Group, Faculty of Science and Technology, University of Macau. It contains data files with multiple fault severity levels, which can be used for case studies of data-driven fault diagnosis models and experimental validation of gear eccentricity dynamic model research. The dataset includes 352 .mat data files in v7.3 format, each containing signals recorded by 11 sensors.

原始信息汇总

齿轮偏心数据集用户指南

1. 数据集总览

1.1. 声明

该齿轮偏心数据集GearEccDataset由澳门大学科技学院SMART Group提供。该数据集可用于：

1. 数据驱动的故障诊断模型案例分析。
2. 齿轮偏心动力学模型研究的实验验证。

使用该数据集请引用：

Li, Jiaming and Chen, Hao and Wang, Xianbo and Yang, Zhi-Xin, A Comprehensive Gear Eccentricity Dataset with Multiple Fault Severity Levels: Description, Characteristics Analysis, and Fault Diagnosis Applications. (under review. To be updated)

1.2. 下载地址

1) Baidu Netdisk（建议中国大陆用户使用）

链接：https://pan.baidu.com/s/1FW9gfMm2esTg0EV_2XoATg?pwd=bk5a

密码：bk5a

2) NAS系统（建议海外用户使用）

链接：http://QuickConnect.to/Smart5001

账户：GearEccDataset

密码：Smart2024

文件站 -> GearEccDataset -> 下载

3) Mendeley数据图书馆（仅上传了两个数据文件，由于空间限制）

链接：https://data.mendeley.com/datasets/ym6pk4889r/1

2. 数据集描述

2.1. 实验装置和实验方案

请参考引用论文的章节2。

2.2. 数据文件描述

该数据集共有4×4×11×2=352个v7.3版本的.mat数据文件。文件按照层级保存在不同文件夹里，如Fig. 1所示。

以N139_G1_E16_T3_S1200.mat为例说明数据文件根据实验变量的命名规则：

• N139：文件序号为139
• G1：偏心齿轮无破齿
• E16：偏心程度为0.16 mm
• T3：传动系结构为T3
• S1200：驱动电机转速为1200 rpm

每个数据文件内包含了11个传感器记录的信号，如Fig. 2所示。

搜集汇总

数据集介绍

构建方式

UM-GearEccDataset数据集由澳门大学科技学院SMART Group精心构建，旨在为齿轮偏心动力学模型的研究提供实验验证数据。该数据集通过一系列精密实验，采集了多种故障严重程度下的齿轮偏心数据。实验装置和方案详见引用论文的第二章节，确保了数据的科学性和可靠性。数据文件采用v7.3版本的.mat格式，按照实验变量层级保存，便于用户根据具体需求进行筛选和分析。

特点

UM-GearEccDataset数据集的显著特点在于其多维度的数据结构和丰富的实验变量。数据集包含352个数据文件，每个文件内记录了11个不同传感器的信号，涵盖了齿轮偏心程度、传动系结构和驱动电机转速等多个变量。这种多源信号的整合，为故障诊断和动力学模型研究提供了全面的数据支持。此外，数据集的层级保存方式，使得数据检索和分析更加高效和便捷。

使用方法

使用UM-GearEccDataset数据集，用户首先需根据实验需求选择合适的数据文件。数据文件的命名规则清晰，用户可根据齿轮状态、偏心程度、传动系结构和电机转速等变量进行筛选。下载数据后，用户可通过MATLAB等工具打开.mat文件，提取和分析11个传感器的信号数据。为确保数据的正确使用，建议用户详细阅读引用论文中的实验装置和方案描述，以及数据文件的具体内容说明。

背景与挑战

背景概述

齿轮偏心数据集UM-GearEccDataset由澳门大学科技学院SMART Group于2025年创建，主要研究人员包括J. Li、H. Chen、X.-B. Wang和Z.-X. Yang。该数据集的核心研究问题在于提供一个全面的多故障严重级别齿轮偏心数据集，以支持数据驱动的故障诊断模型案例分析和齿轮偏心动力学模型的实验验证。其影响力在于为机械系统与信号处理领域提供了宝贵的实验数据，推动了故障诊断和动力学模型研究的发展。

当前挑战

该数据集在构建过程中面临的主要挑战包括：1) 多传感器信号的同步采集与处理，确保数据的一致性和准确性；2) 不同故障严重级别的精确模拟与测量，以提供多样化的实验数据；3) 数据文件的层级存储与命名规则的制定，便于用户理解和使用。此外，数据集的应用挑战在于如何有效地利用多源信号进行故障诊断模型的训练与验证，以及如何将实验数据与理论模型相结合，提升动力学模型的预测精度。

常用场景

经典使用场景

在机械工程领域，UM-GearEccDataset被广泛应用于数据驱动的故障诊断模型案例分析。通过该数据集，研究人员能够深入探索齿轮偏心故障的特征，并构建高效的故障诊断算法。此外，该数据集还支持齿轮偏心动力学模型的实验验证，为理论模型的实际应用提供了坚实的实验基础。

实际应用

UM-GearEccDataset在工业领域具有广泛的应用前景。例如，在风力发电机组的齿轮箱故障诊断中，该数据集可用于训练和验证智能诊断系统，提高设备的运行效率和安全性。此外，该数据集还可应用于航空航天、汽车制造等领域的齿轮系统监测，为实际工程问题的解决提供数据支持。

衍生相关工作

基于UM-GearEccDataset，许多相关研究工作得以展开。例如，有学者利用该数据集开发了基于深度学习的齿轮故障诊断模型，显著提升了诊断精度。此外，还有研究团队利用数据集中的多传感器信号，构建了齿轮偏心动力学模型，为齿轮系统的仿真与优化提供了新的工具。这些衍生工作不仅丰富了齿轮故障诊断的理论体系，也为实际应用提供了技术支持。