RoadMap
- 1.简介
- 2.美国-凯斯西储大学轴承数据中心轴承数据集
- 3.美国-机械故障预防技术学会MFPT
- 4.德国-帕德伯恩大学Paderborn轴承数据集
- 5.法国-FEMTO-ST轴承退化数据集
- 6.美国-辛辛那提大学IMS轴承退化数据集
- 7.美国-康涅狄格大学University of Connecticut齿轮数据集
- 8.中国-西安交通大学 轴承加速退化数据集XJTU-SY Bearing Datasets
- 9.中国-东南大学齿轮箱数据集
- 10.Acoustics and Vibration Database（振动与声学数据库）
- 11.机械设备故障诊断数据集及技术资料大全
- 12.美国-宇航局预测数据存储库-CoE Datasets
- 13.中国-第三届工业大数据创新竞赛旋转机械数据集
- 14.加拿大-渥太华大学轴承数据集
- 15.意大利-都灵理工大学轴承数据DIRG BearingData
- 16.巴西-里约热内卢联邦大学 MAFAULDA轴承数据集
- 17.中国-武汉大学-转子数据
众所周知，当下做机械故障诊断研究最基础的就是数据。笔者自2019年初开始致力于收集和整理有价值的机械故障诊断数据。
此处分享均为开源数据集，数据来自原始研究方，笔者只整理数据获取途径。如果研究中使用了数据集，请按照版权方要求作出相应说明和引用。 笔者自己也在筹划整理私有的数据集和研究成果，未来将以适当的方式共享。
在此，特别向公开研究数据的研究者表示感谢和致敬，共享是一种精神。如涉及侵权，请联系我删除（[email protected]）。
很多优秀的论文都有数据分享，也有越来越多的研究者和企业选择开源自己的成果，本项目保持更新。星标是比较通用的数据集。
个别数据集下载可能比较困难或者已经无法下载，需要的可以联系我（邮箱：[email protected]，微信：hustcxl），如版权方有要求，恕不提供。
这个仓库自发布以来，得到很多同仁们的好评和认可，来自学术界和工业界的都有。因此个人正在筹划建立一个工业设备预测与健康管理（PHM）交流平台，交流主题包括但不限于：
- 数据集的使用；
- 信号处理与特征提取；
- 智能诊断算法；
- 寿命预测；
- 工业应用案例；
- 行业最紧迫的需求；
- PHM行业发展动态。
欢迎有识之士添加我微信或QQ，我将分组加群，欢迎分享宣传自己的成果和见解，也欢迎参与一起学习和讨论。我会不定期就当前研究热点组织相关的专题讨论。线上为主，时机成熟也可考虑组织线下研讨。
关于数据使用的问题和心得，欢迎在Issues中提问讨论。欢迎fork,Watch,star。
注：给索要数据的朋友，希望是真的试过了无法获取再来索要。伸手党确实不受欢迎。另外，也欢迎提供公开的新数据源。
由美国凯斯西储大学完成试验，是当前轴承振动信号处理、故障诊断方面论文使用最为广泛的标准数据集。故障特征明显，可参考的文献资料多。可以作为方法的基础检验数据集。GitHub上也有很多以该数据集为例子的项目，值得借鉴学习。后续会逐渐对该数据集的使用情况进行总结综述。欢迎提供素材。
由美国机械故障预防技术学会提供，NRG Systems总工程师Eric Bechhoefer博士代表MFPT组装和准备数据，已提供轴承故障数据集以促进轴承分析的研究。
该数据集包括来自轴承试验台的数据:
- 正常轴承数据
- 不同载荷下的外圈故障数据
- 不同载荷下的内圈故障数据
- 以及三个真实故障案例数据
由德国帕德博恩大学 Christian Lessmeier,Enge-Rosenblatt, Bayer, & Zimmer, 于2014年设计完成实验。
由FEMTO-ST研究所建立的PHM IEEE 2012数据挑战期间使用的数据集。
由美国辛辛那提大学李杰教授团队分享。
The IMS bearing dataset has been collected on an endurance test rig of the University of Cincinnati and relased in 2014.
. The test rig has the following characteristics:
- 4 double row bearings of type Rexnord ZA-2115,
- 2000 rpm stationary speed,
- 6000 lbs load applied onto the shaft and bearing by a spring mechanism,
- PCB 253B33 High sensitivity Quart ICP accelerometers.
由美国康涅狄格大学唐炯教授团队分享。齿轮箱故障数据。
由西安交通大学雷亚国课题组王彪博士整理。为轴承寿命退化数据。
- github连接：https://github.com/cathysiyu/Mechanical-datasets
由东南大学严如强团队博士生邵思雨完成。
论文：“Highly Accurate Machine Fault Diagnosis Using Deep Transfer Learning”
Gearbox dataset is from Southeast University, China.
These data are collected from Drivetrain Dynamic Simulator.
This dataset contains 2 subdatasets, including bearing data and gear data, which are both acquired on Drivetrain Dynamics Simulator (DDS).
There are two kinds of working conditions with rotating speed - load configuration set to be 20-0 and 30-2.
Within each file, there are 8rows of signals which represent: 1-motor vibration, 2,3,4-vibration of planetary gearbox in three directions: x, y, and z, 5-motor torque, 6,7,8-vibration of parallel gear box in three directions: x, y, and z. Signals of rows 2,3,4 are all effective.
提供一个收集振动故障数据集的公益性网站链接：http://data-acoustics.com/
有比较多的机械设备故障数据资料：https://mekhub.cn/machine-diagnosis
需要参赛才能下载数据，数据使用需要获得版权方授权。多台压缩机，汽轮机的转子部件脱落数据。很实用。
比赛已经结束，无法下载。期待官方发布白皮书。获得授权可以分享数据。
工业大数据创新平台
该数据包含在时变转速条件下从不同健康状况的轴承收集的振动信号。总共有36个数据集。对于每个数据集，有两个实验设置：轴承健康状况和变化速度条件。
轴承的健康状况包括:
（i）健康，
（ii）内圈缺陷有缺陷，以及
（iii）外圈缺陷有缺陷。
操作转速条件是:
（i）增加速度，
（ii）减小速度，
（iii）增加然后减小速度，以及
（iv）减小然后增加速度。
因此，设置有12种不同的情况。为了确保数据的真实性，每个实验设置收集3个试验，总共产生36个数据集。
每个数据集包含两个通道：
'Channel_1' 是由加速度计测量的振动数据，
'Channel_2'是由编码器测量的转速数据。
所有这些数据都以200,000Hz采样，采样持续时间为10秒。
- 论文链接：(https://www.sciencedirect.com/science/article/pii/S2352340918314124?via%3Dihub)
- 数据链接：(https://data.mendeley.com/datasets/v43hmbwxpm/1)
- 已经发表的论文：Bearing fault diagnosis under unknown time-varying rotational speed conditions via multiple time-frequency curve extraction
- A method for tachometer-free and resampling-free bearing fault diagnostics under time-varying speed conditions
在都灵理工大学机械和航空航天工程系 DIRG实验室设置的钻机收集的数据，专门用于测试高速航空轴承，其加速度采集在可变转速，径向载荷和损伤水平，与温度测量一起，可作为开放存取数据提供。
- 数据链接:(ftp://ftp.polito.it/people/DIRG_BearingData/)
- 论文链接:The Politecnico di Torino rolling bearing test rig: Description and analysis of open access data
- 数据链接：(http://www02.smt.ufrj.br/~offshore/mfs/page_01.html)
- Marins M A, Ribeiro F M L, Netto S L, et al. Improved similarity-based modeling for the classification of rotating-machine failures[J]. Journal of the Franklin Institute, 2018, 355(4): 1913-1930.论文链接
- Saufi S R, bin Ahmad Z A, Leong M S, et al. Differential evolution optimization for resilient stacked sparse autoencoder and its applications on bearing fault diagnosis[J]. Measurement Science and Technology, 2018, 29(12): 125002. 论文链接
- 数据链接：(https://data.mendeley.com/datasets/p9bsmj4xwg/1)
- Liu, D., et al., Feature extraction of rotor fault based on EEMD and curve code. Measurement, 2019. 135: p. 712-724.论文链接
- Description of this data ''' These data are denoised signals processed by wavelet thresholding-based denoising. They are represented by a 2-dimensional matrix. Each row represents a vibration signal,and the first 45 rows belong to mormal rotor, the second contact-rubbing, the third unbalance and the final misalignment. Each column represents the length of data, 2048, or time, 1s. '''