HUST 轴承：一个用于滚动轴承故障诊断的实用数据集
机器学习
2023-10-03 v2 人工智能
信号处理
摘要
在本工作中，我们介绍了一个名为 HUST 轴承的实用数据集，其提供了不同滚动轴承上大量振动数据。该数据集包含 90 组原始振动数据，涵盖 5 种轴承在 3 种工况下、采样率为每秒 51,200 样本的 6 类缺陷（内圈裂纹、外圈裂纹、滚珠裂纹及其两两组合）。我们对所引入数据集建立了包络分析与阶次跟踪分析，以便对数据进行初步评估。使用若干经典机器学习分类方法，借助不同域的特征来识别该数据集的轴承故障。典型的先进无监督迁移学习算法也进行了测试，以观察数据集部分间知识的迁移能力。所考察方法在该数据集上的实验结果显示，分类任务准确率差异较大，最高达 100%，无监督迁移学习任务为 60–80%。
引用
@article{arxiv.2302.12533,
title = {HUST bearing: a practical dataset for ball bearing fault diagnosis},
author = {Nguyen Duc Thuan and Hoang Si Hong},
journal= {arXiv preprint arXiv:2302.12533},
year = {2023}
}
备注
We are considering some issues in the paper