awesome-bearing-dataset

这是一个关于轴承故障检测的公共数据集集合，包含了多个数据集，如CWRU、HUST、HUSTbearing等，每个数据集都有详细的描述和相关链接。

This is a public dataset collection for bearing fault detection, which includes multiple datasets such as CWRU, HUST, HUSTbearing, etc. Each dataset is equipped with detailed descriptions and relevant links.

原始信息汇总

数据集概述

CWRU

• 网站: https://engineering.case.edu/bearingdatacenter
• 图片:

HUST

• 论文: https://bmcresnotes.biomedcentral.com/articles/10.1186/s13104-023-06400-4
• 图片:

HUSTbearing

• 论文: https://www.sciencedirect.com/science/article/pii/S0951832024000395?via%3Dihub
• 图片:

SCA

• 论文: https://www.mdpi.com/2306-5729/8/7/115
• 数据:

ID	Bearing	Sampling Rate (Hz)	Placement	Placement Side	Fixed Speed	Average Rotation Speed (RPM)	Fault Type
1	SKF 22320 E	640	Wire roller	DS	No	1120.6	Inner ring
2	SKF 6310	5120	Engine	DS	Yes	1162.0	Outer ring
3	SKF 6310	512	Wire roller	FS	No	34.6	Inner ring
4	SKF NU328 E	8192	Pump	FS	No	1100.3	Inner ring
5	SKF 7312 BEAP	12,800	Pump	DS	No	2483.5	Ball
6	SKF NU328 E	6400	Pump	FS	No	1208.2	Inner ring
7	SKF 7221 BECBY	4096	Strainer	Upper	Yes	700	Inner ring
8	SKF 6228	5120	Engine	DS	No	1105.9	Outer ring
9	SKF 6310	5120	Engine	DS	Yes	1162.0	Outer ring
10	SKF NU316 ECP	5120	Engine	DS	No	189.3	Outer ring
11	SKF 6228	5120, 12,800	Engine	FS	No	189.3	Not bearing related

MPFT

• 数据下载: https://www.mfpt.org/fault-data-sets/
• 图片:

Paderborn

• 替代链接: https://data.mendeley.com/datasets/65d3pzth7v/1
• 图片:

FEMTO (A.K.A. Pronostia)

• 数据下载: https://github.com/Lucky-Loek/ieee-phm-2012-data-challenge-dataset?tab=readme-ov-file
• 图片:

IMS (NASA)

• 第一篇论文: https://www.sciencedirect.com/science/article/pii/S0022460X0500221X#aep-section-id43
• 数据下载: https://www.nasa.gov/intelligent-systems-division/discovery-and-systems-health/pcoe/pcoe-data-set-repository/
• 图片:

XJTU-SY

• 数据下载: https://biaowang.tech/xjtu-sy-bearing-datasets/
• 图片:

JNU

• 论文: https://www.sciencedirect.com/science/article/pii/S0952197623001549#b12
• 数据下载: https://github.com/ClarkGableWang/JNU-Bearing-Dataset
• 图片:

MAFAULDA

• 数据下载: https://www02.smt.ufrj.br/~offshore/mfs/page_01.html#SEC1
• 图片:

Politecnico di Torino - DIRG

• 论文: https://www.sciencedirect.com/science/article/pii/S0888327018306800
• 图片:

German Aerospace Center (DLR)

• 论文: https://www.sciencedirect.com/science/article/pii/S2352340923001373
• 图片:

SEU

• 论文: https://ieeexplore.ieee.org/abstract/document/8432110/
• 数据下载: https://mlmechanics.ics.uci.edu/
• 图片:

Ottawa

2018 - (Huan Huang & Natalie Baddour)

• 论文: https://www.sciencedirect.com/science/article/pii/S2352340918314124
• 数据下载: https://data.mendeley.com/datasets/v43hmbwxpm/1
• 图片:

2023 - (Mert Sehri & Patrick Dumond & Michel Bouchard)

• 论文: https://www.sciencedirect.com/science/article/pii/S2352340923004456?via%3Dihub
• 数据下载: https://data.mendeley.com/datasets/y2px5tg92h/5
• 图片:

SDOL

• 论文: https://www.mdpi.com/2076-3417/10/20/7302
• 数据下载: https://www.kau-sdol.com/bearing
• 图片:

University of Seoul

• 论文: https://www.sciencedirect.com/science/article/pii/S235234092400903X
• 图片:

University of Ferrara

• 论文: https://www.sciencedirect.com/science/article/pii/S2352340924005870
• 图片:

KAIST

Fault diagnostic

• 论文: https://www.sciencedirect.com/science/article/pii/S2352340923001671
• 图片:

Run-to-failure

• 论文: https://www.sciencedirect.com/science/article/pii/S235234092400372X?pes=vor&utm_source=scopus&getft_integrator=scopus
• 数据下载: https://data.mendeley.com/datasets/5hcdd3tdvb/6
• 图片:

UNSW

• 论文: https://www.sciencedirect.com/science/article/pii/S0888327021008116#s0030
• 数据下载: https://data.mendeley.com/datasets/h4df4mgrfb/3
• 图片:

HIT-SM

• 论文: https://iopscience.iop.org/article/10.1088/1361-6501/ac7941/meta
• 数据下载: https://github.com/hitwzc/Bearing-datasets

SpectraQuest MFS dataset

• 图片:

Seelf-built test rig dataset

• 图片:

HIT

• 论文: https://ojs.istp-press.com/dmd/article/view/314/333
• 数据下载: https://github.com/HouLeiHIT/HIT-dataset
• 图片:

SUSU

• 论文: https://www.sciencedirect.com/science/article/pii/S0888327022005714?via%3Dihub#s0005
• 数据下载: https://github.com/susu-cm/bearings-dataset
• 图片:

NCRA

• 论文: https://www.sciencedirect.com/science/article/pii/S2352340922005170
• 图片:

搜集汇总

数据集介绍

构建方式

在构建awesome-bearing-dataset时，研究者们整合了来自全球多个知名研究机构和大学的轴承数据集。这些数据集涵盖了从CWRU到NCRA等多个来源，每个数据集均通过特定的实验平台和测试条件生成。例如，CWRU数据集通过其工程学院的轴承数据中心生成，而HUST数据集则通过其特定的测试台进行数据采集。这些数据集的构建不仅考虑了轴承的类型、采样率、故障类型等关键参数，还详细记录了实验的具体设置和环境条件，确保数据的多样性和可靠性。

特点

awesome-bearing-dataset的显著特点在于其广泛的数据来源和多样化的实验条件。该数据集包含了来自不同研究机构和大学的多种轴承数据，涵盖了从正常运行到各种故障状态的全面信息。每个数据集均详细记录了轴承的类型、采样率、故障类型等关键参数，以及实验的具体设置和环境条件。这种多样性和详细记录使得该数据集在轴承故障诊断和预测研究中具有极高的应用价值。

使用方法

使用awesome-bearing-dataset时，研究者可以根据具体需求选择合适的数据集进行分析。首先，用户需访问数据集的GitHub页面，下载所需的数据文件。随后，根据数据集的README文件中的详细说明，了解每个数据集的实验设置和数据结构。用户可以使用各种数据分析工具，如Python的Pandas库或MATLAB，对数据进行预处理和分析。此外，数据集的多样性允许研究者进行跨数据集的比较研究，从而提高故障诊断和预测模型的泛化能力。

背景与挑战

背景概述

轴承故障诊断是工业维护中的关键任务，旨在通过分析轴承运行时的振动信号来预测和诊断潜在故障。awesome-bearing-dataset汇集了来自全球多个研究机构和大学的轴承数据集，包括CWRU、HUST、Paderborn等知名数据源。这些数据集的创建时间跨度较大，涵盖了从20世纪末到近期的研究成果。主要研究人员和机构包括NASA、德国宇航中心（DLR）、西安交通大学（XJTU）等。核心研究问题集中在轴承故障的早期检测、分类和预测上，这些数据集对推动轴承故障诊断技术的发展具有重要影响。

当前挑战

轴承故障诊断领域的挑战主要集中在数据多样性和复杂性上。首先，不同轴承在不同工况下的运行状态差异巨大，导致数据集的异质性显著。其次，数据采集过程中的噪声和干扰对信号质量构成威胁，增加了故障特征提取的难度。此外，构建这些数据集时，研究人员需克服设备老化、环境变化等实际问题，确保数据的可靠性和一致性。这些挑战不仅影响了数据集的质量，也对后续的故障诊断算法提出了更高的要求。

常用场景

经典使用场景

在机械工程领域，轴承故障诊断是一个关键的研究课题。awesome-bearing-dataset汇集了多个知名研究机构和大学的轴承数据集，为研究人员提供了丰富的实验数据。这些数据集通常用于开发和验证轴承故障检测算法，特别是在振动分析和信号处理方面。通过分析不同类型和程度的故障，研究人员可以构建更精确的故障诊断模型，从而提高机械系统的可靠性和安全性。

实际应用

在工业实践中，轴承故障可能导致严重的设备损坏和生产中断。awesome-bearing-dataset的应用场景广泛，包括但不限于工业设备的预测性维护、故障预警系统和质量控制。通过利用这些数据集，企业可以开发出高效的故障检测和诊断工具，从而减少停机时间，提高生产效率，并降低维护成本。此外，这些数据集还为新技术的测试和验证提供了宝贵的资源，有助于推动工业4.0的实现。

衍生相关工作

基于awesome-bearing-dataset，许多经典工作得以展开，涵盖了从基础研究到应用开发的多个层面。例如，有研究利用该数据集开发了基于深度学习的故障诊断模型，显著提高了故障识别的准确率。此外，还有工作探讨了如何利用这些数据集进行故障预测，通过时间序列分析和机器学习算法，实现了对轴承寿命的精确估计。这些衍生工作不仅丰富了轴承故障诊断的理论体系，也为实际应用提供了强有力的技术支持。