凯斯西储大学轴承数据解读

2023-12-21 00:36

本文主要是介绍凯斯西储大学轴承数据解读,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 一、凯斯西储大学轴承数据基础知识?
    • 1.1 故障种类
    • 1.2 故障点尺寸(单点故障)
    • 1.3 载荷和转速
  • 二、数据解读
    • 2.1 文件
    • 2.2 以12k Drive End Bearing Fault Data为例
    • 2.3 以(0.007'',inner race)为例。
  • 3 Normal Baseline Data是12k原因
    • 3.1 部分代码(频谱分析代码)
    • 3.2 数据分析
  • 总结


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,
在这里插入图片描述

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。
在这里插入图片描述

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。
在这里插入图片描述
设置采样频率为48k,即envelope_spectrum1(x[0][:12000], 48000),可获得下图。
在这里插入图片描述
设置采样点的个数为10000 ,即envelope_spectrum1(x[0][:10000], 12000),可获得下图。
在这里插入图片描述

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。

这篇关于凯斯西储大学轴承数据解读的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/518085

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

MCU7.keil中build产生的hex文件解读

1.hex文件大致解读 闲来无事,查看了MCU6.用keil新建项目的hex文件 用FlexHex打开 给我的第一印象是:经过软件的解释之后,发现这些数据排列地十分整齐 :02000F0080FE71:03000000020003F8:0C000300787FE4F6D8FD75810702000F3D:00000001FF 把解释后的数据当作十六进制来观察 1.每一行数据