---

数据集官网

一、凯斯西储大学轴承数据基础知识？

1.1 故障种类

• 内圈故障
• 外圈故障
• 滚动体故障

1.2 故障点尺寸（单点故障）

• 直径0.007英寸（SKF轴承）
• 直径0.014英寸（SKF轴承）
• 直径0.021英寸（SKF轴承）
• 直径0.028英寸（NTN轴承，一般不用）
• 直径0.040英寸（NTN轴承，一般不用）

1.3 载荷和转速

• 0马力-1797r/min
• 1马力-1772r/min
• 2马力-1750r/min
• 3马力-1730r/min

二、数据解读

2.1 文件

Normal Baseline Data（12k）
12k Drive End Bearing Fault Data
48k Drive End Bearing Fault Data
Fan-End Bearing Fault Data(12k)

2.2 以12k Drive End Bearing Fault Data为例

12k Drive End Bearing Fault Data是驱动端轴承故障数据，它包含如下的数据，

2.3 以（0.007’'，inner race)为例。

X105_DE_time:表示的是驱动端轴承故障数据的情况下,驱动端的传感器测得的数据。

3 Normal Baseline Data是12k原因

3.1 部分代码（频谱分析代码）

数据读取代码可以看如下两篇文章。

https://zhuanlan.zhihu.com/p/448901398
https://zhuanlan.zhihu.com/p/448210993

def envelope_spectrum1(data1, fs):'''fun: 绘制包络谱图param data: 输入数据，1维arrayparam fs: 采样频率param xlim: 图片横坐标xlim，default = Noneparam vline: 图片垂直线，default = None'''# ----去直流分量----#data = np.array(data1)data = data - np.mean(data)# ----做希尔伯特变换----#xt = dataht = fftpack.hilbert(xt)at = np.sqrt(xt ** 2 + ht ** 2)  # 获得解析信号at = sqrt(xt^2 + ht^2)am = np.fft.fft(at)  # 对解析信号at做fft变换获得幅值am = np.abs(am)  # 对幅值求绝对值（此时的绝对值很大）am = am / len(am) * 2am = am[0: int(len(am) / 2)]  # 取正频率幅值freq = np.fft.fftfreq(len(at), d=1 / fs)  # 获取fft频率，此时包括正频率和负频率freq = freq[0:int(len(freq) / 2)]  # 获取正频率am[0] = 0return freq, amif __name__ == '__main__':upperurl = "F:\\tempture\\信号分析-全部\\CRWU\\"class_all1, mapdata_all1, rotate_all = extract_path_drive()(x, y) = load_data(upperurl, class_all1)freq, am = envelope_spectrum1(x[0][:12000], 12000)plt.figure()plt.plot(freq[:100], am[:100])plt.show()

3.2 数据分析

envelope_spectrum1(x[0][:12000], 12000)的第二个参数是采样频率。
x[0]是负载为0，驱动端的数据。
电机在负荷0下的转速为1797r/min，转频为1797/60，约为30Hz,符合下图所观测到的结果。

设置采样频率为48k，即envelope_spectrum1(x[0][:12000], 48000)，可获得下图。

设置采样点的个数为10000 ，即envelope_spectrum1(x[0][:10000], 12000)，可获得下图。

总结

Normal Baseline Data里面的数据的采样频率是12k。
每个.mat文件下，都包含在该故障下，或驱动端或风扇端或基座采集到的数据。