旋转机械故障数据集全指南：从零到可复现故障诊断实验的数据选型与实战路线

旋转机械故障数据集全指南：从零到可复现故障诊断实验的数据选型与实战路线

【免费下载链接】Rotating-machine-fault-data-setOpen rotating mechanical fault datasets (开源旋转机械故障数据集整理)项目地址: https://gitcode.com/gh_mirrors/ro/Rotating-machine-fault-data-set

做故障诊断研究，最难的不是算法，而是找到一份靠谱的数据。许多新手在 CWRU、IMS、XJTU-SY 这些名字面前无从下手：不知道哪个数据集适合分类任务、哪个适合寿命预测、采样率多少、格式是什么。本文介绍的 Rotating-machine-fault-data-set 项目，把全球 20 余个开源旋转机械故障数据集整理成一份带详细文档的索引目录，帮助你 10 分钟内锁定目标数据、跑通第一个实验。

一、先讲一个真实困境：自己找数据的三条死路

我认识一位做设备健康监测的工程师，刚开始接触轴承故障诊断时，第一反应是"去网上搜轴承振动数据"。结果他撞上了所有新手都会遇到的墙：

• 官网时好时坏：不少国外大学的数据中心页面改版后，老的下载链接直接失效；
• 格式五花八门：同一批数据，有的给.mat，有的给.csv，还有的给 ASCII 文本，预处理代码要写三份；
• 关键信息缺失：数据下载下来了，却不知道负载是多少、转速多少、故障是用电火花加工的还是自然磨损的——没有工况参数的数据，等于没有"出厂说明书"。

数据稀缺、标注成本高、工况多样、信号复杂，这四座大山让很多研究止步于"找数据"这一关。CWRU 之所以被称为故障诊断领域的"黄金标准"，正是因为它的实验条件记录完整、故障类型标注明确，能被反复验证。而这个开源项目要解决的，正是"去哪里找、怎么选、如何用"这三个核心问题。

二、认识项目：一座按需取用的旋转机械故障数据"超市"

Rotating-machine-fault-data-set 是由国内 PHM 领域研究者维护的开源整理项目，自 2019 年起持续收录全球范围内可公开获取的机械故障数据，并为每个数据集编写了独立的说明文档。它不存放数据本体，而是做"导航"——告诉你每个数据集的来源机构、实验条件、数据格式与参考论文。

2.1 三层数据分类：从"用什么"倒推"选哪个"

项目里的数据集可以按研究目的分为三层，选数据之前先想清楚自己要做哪类任务：

第一层：基准诊断数据（做分类） ├── CWRU 轴承数据：故障特征明显，算法验证首选 ├── MFPT 轴承数据：含 3 组真实工业故障案例 └── Paderborn 轴承数据：欧洲标准台架，带电流信号 第二层：退化过程数据（做寿命预测） ├── XJTU-SY：15 个轴承全寿命周期，加速退化 ├── FEMTO-ST：IEEE PHM 2012 竞赛原始数据 └── IMS：辛辛那提大学 3 组直至失效实验 第三层：专项场景数据（做特定部件/场景） ├── 康涅狄格大学齿轮箱：9 种齿轮状态 ├── 东南大学齿轮箱：8 通道多传感器同步采集 ├── 渥太华大学轴承：时变转速 36 组数据 └── 电机异音数据：工业生产线质检场景

2.2 核心数据集速查表

数据集	机构/国家	采样频率	关键特征	适合任务
CWRU	凯斯西储大学（美）	12kHz / 48kHz	0~3hp 负载，EDM 人工故障 0.007~0.040 英寸	故障分类基准
MFPT	MFPT 学会（美）	48.8kHz / 97.7kHz	含 3 组风电真实故障	分类 + 真实场景验证
Paderborn	帕德伯恩大学（德）	64kHz	4 种工况组合，同步采集电流信号	多工况分类
FEMTO-ST	FEMTO-ST 研究所（法）	25.6kHz	6 组训练 + 11 组测试，加速退化	剩余使用寿命预测
IMS	辛辛那提大学（美）	20kHz	3 组直至失效实验，2156/984/4448 个文件	退化趋势分析
XJTU-SY	西安交通大学（中）	25.6kHz	3 种工况 × 5 个轴承，全寿命数据	剩余使用寿命预测
Connecticut	康涅狄格大学（美）	20kHz	缺齿、根裂纹、剥落、齿尖碎裂 5 级严重度	齿轮故障分类
SEU	东南大学（中）	多通道	8 通道含电机/行星齿轮箱/平行齿轮箱	深度迁移学习

三、上手准备：5 分钟锁定属于你的那个数据集

选数据集的决策树其实很简单，按下面的顺序问自己三个问题：

你要解决什么问题？ ├── 分类：哪种故障，什么程度 → CWRU / MFPT / Paderborn ├── 寿命预测：剩余寿命还有多久 → XJTU-SY / FEMTO-ST / IMS └── 特定部件：齿轮、转子、电机 → Connecticut / SEU / 武汉大学转子数据

3.1 做分类任务怎么选

如果你要验证一个新的神经网络结构，首选CWRU 轴承数据集。它覆盖内圈、外圈、滚动体三种故障位置和多种故障尺寸，负载从 0 到 3 马力连续可调（电机转速 1797~1720 RPM），故障特征明显、参考论文极多，是公认的"方法检验场"。文献中基于 CWRU 训练的分类模型在特定设定下准确率可超过 99%。

如果你担心人工故障和真实故障存在差距，那么MFPT 数据集里附带的 3 个真实故障案例（风电中间轴轴承、油泵轴轴承、行星轮轴承）就是最好的补充验证素材。

3.2 做寿命预测怎么选

寿命预测需要"从健康到失效"的完整过程数据，这类数据最稀缺。XJTU-SY 轴承退化数据集提供了 3 种工况（35Hz/12kN、37.5Hz/11kN、40Hz/10kN）下各 5 个共 15 个轴承的全寿命周期数据；FEMTO-ST则是 IEEE PHM 2012 数据挑战赛的原始数据，包含 6 组训练集和 11 组测试集，专门为剩余使用寿命（RUL）估计设计。

图 1：典型的轴承故障诊断实验系统，涵盖电机、速度传感器、扭矩计、被测轴承与加速度计，是多数据集共用的标准台架结构

四、动手实践：从下载到跑通第一个故障分类模型

4.1 第一步：读懂数据说明书

每个数据集的详细说明都在项目doc/目录下，例如 CWRU 的说明见 doc/CWRU.md，其中记录了试验电机型号、故障注入方式（EDM 电火花加工）、特征频率表（BPFI/BPFO/FTF/BSF）以及大量代表性论文索引。动手之前先读文档，能避免 80% 的格式坑。

4.2 第二步：用 Python 加载并切分数据

CWRU 官方提供.mat格式文件，用scipy.io.loadmat即可加载，示例代码如下：

from scipy.io import loadmat import numpy as np # 以 12kHz、0 马力工况的驱动端数据为例 mat = loadmat('12k_Drive_End_IR007_0_177.mat') key = [k for k in mat.keys() if k.startswith('X')][0] signal = mat[key].flatten() # 一维振动信号 fs = 12000 # 采样频率 12kHz # 按固定长度滑窗切分样本，生成 (样本数, 长度) 张量 window, stride = 1024, 512 samples = [signal[i:i+window] for i in range(0, len(signal)-window, stride)] X = np.vstack(samples)

切分后的每个样本都对应一个故障标签，可以直接喂给 CNN 或传统分类器。注意 CWRU 有 12kHz 和 48kHz 两套数据，混用前务必检查采样率是否一致。

4.3 第三步：用小数据集快速验证流程

建议先用单工况、单故障位置的小子集把"加载 → 切分 → 训练 → 评估"全流程跑通，再逐步扩展到多工况。项目仓库中提供了多个数据集的官方来源链接与 GitHub 上的 Python 加载工具（如cwru包），可自动下载解析，省去手动整理的时间。

五、进阶优化：当"够用"的数据遇上"不够用"的工况

5.1 数据增强解决样本稀缺

真实故障样本稀少是通病，推荐三种低成本增强手段：

• 时域增强：时间拉伸/压缩 ±10%、叠加 20~40dB 信噪比的高斯噪声、幅度缩放 ±20%；
• 频域增强：模拟转速波动的频率偏移、突出故障特征频率的谐波增强、带通滤波提取特定频段；
• 滑窗重叠采样：用重叠步长从长信号中切出更多样本，是最简单有效的"免费"增强。

5.2 迁移学习应对工况迁移

CWRU 训练的模型换到 Paderborn 数据上往往性能骤降，这是典型的跨工况域偏移问题。东南大学团队在 SEU 齿轮箱数据上验证了基于深度迁移学习的方法（论文发表于 IEEE Transactions on Industrial Informatics），在源域与目标域工况差异明显的设定下仍能保持高精度。实践上，可以用 CWRU 做预训练，再用目标工况的少量数据微调。

5.3 用退化数据做剩余使用寿命预测

拿到 XJTU-SY 或 FEMTO-ST 全寿命数据后，常规做法是：先做趋势性特征提取（如 RMS、峭度、小波包能量），再训练回归模型（LSTM、GRU 或高斯过程回归）预测剩余寿命。基于退化数据训练的 RUL 预测模型，其平均误差通常能控制在 8% 以内，显著优于传统的振动阈值报警方法——这也是 PHM 领域近年来最活跃的方向。

六、常见问题与避坑提示

Q1：数据集下载不了怎么办？个别数据集官网可能改版或关闭。项目 README 中提供了维护者联系方式，但请务必先自己尝试官方渠道和镜像渠道，确认真无法获取再寻求帮助。

Q2：不同数据集的采样率差很多，能混用吗？不建议直接混用。CWRU 12kHz、IMS 20kHz、Paderborn 64kHz、渥太华 200kHz，采样率差异意味着频带覆盖不同。若要跨数据集验证算法，需统一重采样或统一特征提取口径。

Q3：人工故障和真实故障，选哪个？都选。先用 CWRU/Paderborn 这类人工故障数据调通算法，再用 MFPT 的真实故障案例做泛化性检验。很多论文只报 CWRU 的 99% 准确率，但真实场景下数据分布变化会让准确率明显回落。

Q4：用数据集做研究需要注意什么？务必遵守各版权方的引用要求，在论文中明确标注数据来源和原始实验说明。竞赛类数据（如工业大数据创新竞赛转子数据）通常需要授权，使用前确认版权条款。

Q5：电机异音质检类数据怎么用？电机异音 AI 诊断竞赛（如雪浪工业数据智能挑战赛）模拟的是产线质检场景，要求算法对故障电机"零漏检"——即在召回率 100% 的前提下尽量提高准确率。这类数据适合做二分类阈值调优和代价敏感学习的练习。

图 2：电机异音 AI 诊断竞赛与轴承故障预测场景，代表数据集在工业质检与预测性维护中的实际落地方向

七、它和"自己到处爬数据"差在哪：一张对比表

对比维度	自己零散找数据	使用本项目索引
数据集来源	单一机构，靠运气	全球 20+ 机构，按层分类
故障类型覆盖	有限，视碰巧找到什么	轴承/齿轮/转子/电机全覆盖
工况多样性	多为固定工况	含多工况、时变转速、加速退化
文档完备性	依赖官网零散说明	每套数据有独立文档+论文索引
选型成本	反复试错	按决策树 5 分钟定位

八、下一步行动建议

如果你刚接触故障诊断，建议按这条路径推进：先从doc/CWRU.md开始，用 CWRU 数据跑通一个简单的频谱分析或 CNN 分类实验；然后尝试 MFPT 的真实故障案例检验泛化性；最后用 XJTU-SY 或 FEMTO-ST 挑战剩余使用寿命预测。每一步对应的数据集文档、论文参考和实验条件记录，都可以在该项目的doc/目录下按需查阅。

数据是故障诊断研究的"水电煤"。与其把时间耗在寻找和甄别数据上，不如站在现成的索引体系上，把精力留给真正有价值的部分——算法设计与工业落地。开源共享是一种精神，愿这份整理能帮你少走弯路，也欢迎你为它补充新的数据源，让旋转机械故障数据集生态越来越完整。

【免费下载链接】Rotating-machine-fault-data-setOpen rotating mechanical fault datasets (开源旋转机械故障数据集整理)项目地址: https://gitcode.com/gh_mirrors/ro/Rotating-machine-fault-data-set