XJTU-SY滚动轴承加速寿命试验数据集

2024-05-13 02:36:56

西安交通大学机械工程学院雷亚国教授团队与浙江长兴昇阳科技有限公司(以下简称“昇阳科技”)成立了“机械装备健康监测联合实验室”(以下简称“联合实验室”)，协同开展了历时两年的滚动轴承加速寿命试验，并将获取的试验数据——XJTU-SY轴承数据集面向全球学者公开发布。（文末有相关数据链接和参考文章）

实验平台简介：

本次实验平台如下图所示，主要由交流电动机、电动机转速控制器、转轴、支撑轴承、液压加载系统和测试轴承等组成。

试验平台可调节的工况主要包括径向力和转速，其中径向力由液压加载系统产生，作用于测试轴承的轴承座上，转速由交流电机的转速控制器来设置与调节。试验轴承为LDK UER204滚动轴承，其相关参数见表1。试验共设计了3类工况，如下表2所示，每类工况下有5个轴承。

实验数据简介：

试验中使用DT9837便携式动态信号采集器采集振动信号。采样参数设置如下图所示，试验中设置采样频率为25.6kHz，采样间隔为1min，每次采样时长为1.28 s。

数据集简介：

相关详细信息可阅读解读文件（见文末）。

数据格式：

数据文件为csv格式，进行用EXCEL软件打开查看。

由于文件较多，手动导入数据较为繁琐为此，冷漠编写了相关代码方便各位读者使用该数据(默认用Matlab操作)。

第一步：解压下载的数据；

第二步：下载作者编写的读取文件的代码，其中包含了text_3.m和sort_nat.zip，解压sort_nat.zip压缩包，将排序代码函数sort_nat.m文件与text_3.m文件放在matlab文件目录下。

第三步：运行text_3.m文件，绘制滚动轴承全寿命振动曲线时域图。

注意：1、要修改代码中的文件路径，即修改变量 file_path；

2、排序代码函数sort_nat.m文件与text_3.m文件放在matlab文件同一目录下。

参考资料：

[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.

[2] https://blog.csdn.net/paoxungan5156/article/details/107006982

[3]https://ww2.mathworks.cn/matlabcentral/fileexchange/10959-sort_nat-natural-order-sort

数据和代码获取：

XJTU-SY 数据和读取代码

提取码：5d39

内容如下：

XJTU-SY数据集(Photographs、Important References、Data等)
读取文件的相关代码（text_3.m、sort_nat.zip）

关注公众号“故障诊断与寿命预测工具箱”，每天进步一点点。

XJTU-SY滚动轴承加速寿命试验数据集相关推荐

使用加速寿命试验来模拟产品在极端压力水平下的性能
在这一步骤中,要获取或构建多个组件或子系统,同时组装原型.大多数"传统"的试验和分析都是在这一阶段进行的,包括对从供应商那里获得的组件和子系统进行连续取样,用于 Minitab 中 ...
XJTU-SY数据集轴承故障诊断
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 ...
西安交通大学轴承公共数据集(文末附数据)
西安交通大学轴承数据集(文末附数据) 该数据来自于西安交通大学转子轴承实验室的滚动轴承加速寿命实验数据 1 数据介绍该实验平台由交流电动机.电动机转速控制器.转轴.支撑轴承.液压加载系统和测试轴承等 ...
2020-11-03Paderborn大学轴承数据集
个人学习记录德国Paderborn大学轴承数据集解释数据集下载:Paderborns轴承数据集简单描述:提供了基于振动和电动机电流信号的状态监测(CM)实验轴承数据集. 测试台和测量设备介绍测 ...
逆幂律模型_【微微出品】加速模型一起聊聊Peck、Lawson、MILHDBK217
在环境试验中,针对某些测试时间比较长的试验, 往往会选择通过加速应力的方式,缩短试验时间,节约试验经费,达到想要的试验结果,这种试验被称为加速试验或加速寿命试验(Accelerated Life Te ...
大数据下机械智能诊断的机遇与挑战，阅读文献系列(一)
阅读文献系列一论文题目:大数据下机械智能诊断的机遇与挑战 1.大数据时代下的故障诊断的挑战: 2.机械大数据的特性: 3.应该怎么做: 4.现有工作: 5.故障诊断三方面研究: 5.1 信号获取 5 ...
预测机械剩余使用寿命的深度可分离卷积神经网络
预测机械剩余使用寿命的深度可分离卷积神经网络摘要深度学习因其强大的表示学习能力在数据驱动的器械设备剩余使用寿命(RUL)预测中越来越受到重视.借助深度学习技术,可以更充分地了解机器退化情况,近年来 ...
聊一聊深度学习做寿命预测
本博客的码字背景最近马上就研三了,回顾一路从小白开始入门深度学习做机械核心零部件寿命预测的历程吧. 1.本科期间未接触过python,深度学习相关的内容. 2.研究生在寿命预测方向入门画的时间比较长 ...
showdialog 尝试读取或写入受保护的内存_TreadMarks: 基于工作站网络的共享内存计算...
TreadMarks: 基于工作站网络的共享内存计算以前学MIT6.824时看过TreadMarks相关论文,这篇论文当时只翻译了一半.最近无意中看到这篇未完成的翻译,google了下发现仍然没有人 ...
高维、相依和不完全数据的统计分析（二）
转自:http://i.mtime.com/920665/blog/5653335/ 我国的统计学起步较晚.解放前只有以许宝禄先生为代表的少数几位统计学者,他们是四十年代从国外回来的.解放后,特别是在 ...

最新文章

热门文章