XJTU-SY数据集包含了3种工况下的15个滚动轴承的全寿命周期振动信号,且明确标注了每个轴承的失效部位,相关论文如下:[1]雷亚国,韩天宇,王彪,李乃鹏,闫涛,杨军.XJTU-SY滚动轴承加速寿命试验数据集解读[J].机械工程学报,2019,55(16):1-6. 试验平台由交流电动机、电动机转速控制器、转轴、支撑轴承、液压加载系统和测...
● 数据集:XJTU-SY 滚动轴承加速寿命试验数据集 ● 环境框架:python 3.9 pytorch 2.1 及其以上版本均可运行 ● 使用对象:入门学习,论文需求者 ● 代码保证:代码注释详细、即拿即可跑通。 ● 配套文件:详细的环境配置安装教程,模型、参数讲解文档 包括完整流程数据代码处理: 数据集制作、数据加载、模型定义、参数设...
基于以上XJTU-SY轴承数据集,必创科技技术团队采用Python语言和Matplotlib库,取每样本每通道前8192个数据做可视化分析。 异常检测 为直观显示测试轴承全寿命周期运行状态,技术人员将该轴承所有数据样本各通道加速度标准差计算结果绘制成折线图,用以分析该轴承出现异常的时间节点。 ▌异常一 采用Bearing1_1数据集进行分析,该...
算法运行环境为MATLAB R2021B,采用包络谱方法、离散小波分解、最大重叠离散小波包分解和改进最大相关峭度反卷积方法对轴承进行故障诊断,数据集为XJTU-SY数据集。 subplot(2,1,1) plot(t,y);xlim([0,1]);title('滤波后的内圈故障振动信号');xlabel('Times(s)');ylabel('Acceleration(m/s^2)') set(gca,...
XJTU-SY数据集是一个包含15个滚动轴承在三种不同工况下的全寿命周期振动信号的资源，这些轴承的故障部位已被详细标注。该数据集由雷亚国等人在《机械工程学报》上发表的研究[1]提供，用于滚动轴承的加速寿命试验数据解读。数据集的实验平台由交流电动机、转速控制器、转轴、支撑轴承、液压加载系统和测试轴承...
上篇文章(《基于XJTU-SY轴承数据集的轴承故障诊断研究(一)》),必创科技技术团队基于XJTU-SY轴承数据集运用标准差、FFT频谱以及包络谱等算法对轴承异常检测和外圈故障诊断进行研究,结果证明信号分析算法对轴承故障诊断行之有效。 在旋转机械设备实际应用场景下,轴承异常检测方法除了标准差,还可使用峭度系数与之相结合,峭...
轴承故障形式主要有内圈磨损、保持架断裂、外圈磨损和外圈裂损,如图2所示: 图2 轴承故障形式 基于以上XJTU-SY轴承数据集,必创科技技术团队采用Python语言和Matplotlib库,取每样本每通道前8192个数据做可视化分析。 异常检测 为直观显示测试轴承全寿命周期运行状态,技术人员将该轴承所有数据样本各通道加速度标准差计算结果...
XJTU-SY数据集轴承故障诊断。采用包络谱,小波分解,最大重叠离散小波包分解,改进最大相关峭度解卷积对XJTU-SY数据集轴承进行轻度和重度故障诊断详细可参考我的知乎专栏 https://zhuanlan.zhihu.com/p/544 - 哥廷根数学学派于20220723发布在抖音,已经收获了8个喜欢,来抖
图8 CWRU轴承数据集212.mat数据样本包络谱 异常检测 在《基于XJTU-SY轴承数据集的轴承故障诊断研究(一)》中,我们运用加速度标准差进行轴承异常检测,本篇我们研究用峭度系数进行轴承异常检测。 峭度系数(Kurtosis):是反映信号分布特性的数值统计量,是归一化的4阶中心矩。峭度系数是无量纲参数,它与轴承转速、尺寸...
异常检测分析利于帮助大家判断轴承处于正常状态或异常状态,故障分类可有效诊断轴承处于哪种异常状态。 本文基于西安交通大学机械工程学院与浙江长兴昇阳科技有限公司协同开展的滚动轴承加速寿命试验得到的XJTU-SY轴承数据集,运用标准差、FFT频谱以及包络谱等多种算法对轴承异常检测和故障分类进行研究。 XJTU-SY轴承数据集 ▌...