凯斯西储大学轴承故障数据集详解：振动与故障特征研究

凯斯西储大学轴承数据中心提供的文档详细介绍了用于研究和验证大数据分析以及人工智能在故障预测中的一个独特数据集——滚珠轴承测试数据。该数据集来源于2马力电机的故障轴承实验，通过电放电加工（EDM）在轴承的不同部位制造出直径从0.007英寸到0.040英寸的单点故障。电机在运行时的振动数据（0至3马力）被记录，转速范围为1797转/分钟至1720转/分钟，以分析轴承的健康状况。 这个项目的历史旨在评估和改进如IQPreAlert这样的发动机轴承评估系统，它由罗克韦尔开发。实验不仅关注理论验证，还积累了大量的运动性能数据，用于支持各种运动状况评估技术的开发，比如温斯德状态评估技术、基于模型的诊断技术以及电机速度确定算法。 设备配置包括2马力电机、扭矩传感器/编码器、测功机和控制电子设备，加速计则用于收集振动数据，放置在关键位置如驱动端和风扇端的12点，有时还会连接到电机支撑基板。数据采集采用16信道DAT记录器，并且存储为Matlab格式。高速和低速数据采集策略确保了全面的分析视角。 值得注意的是，数据集特别区分了驱动端和风扇端轴承，不同大小的故障深度，以及外部通道故障的影响，这些因素都被纳入考虑，以探究故障位置对振动响应的定量影响。正常轴承、单点驱动端和多点故障的数据可供下载，对于研究人员和工程师来说，这是一个宝贵的资源，可以推动人工智能在故障诊断、预测维护和机器学习领域的应用。 通过这个数据集，研究者能够深入理解轴承故障的发展模式，测试并优化故障检测算法，从而提高工业设备的可靠性和整体性能。同时，这也展示了大数据如何与人工智能结合，提升工业生产中的预防性维护水平。