摘要：该数据集最初来源于 UCI Machine Learning Repository，主要用于研究液体超声波流量计在不同运行工况下的健康状态识别与故障诊断问题。数据集通过采集多通道超声波流量计的流速、声速、信号强度、信号质量、增益及传输时间等诊断参数，对设备健康、安装影响、气体注入和蜡状沉积等状态进行分类，可用于工业仪表状态监测、异常检测及预测性维护研究。
数据集概述
该数据集由 A、B、C、D 四组超声波流量计数据组成，对应 flowmeter_A_mined.csv、flowmeter_B_mined.csv、flowmeter_C_mined.csv 和 flowmeter_D_mined.csv 四个文件。仪表 A 包含 87 个样本、37 个属性和 2 类状态；仪表 B 包含 92 个样本、52 个属性和 3 类状态；仪表 C 包含 181 个样本、44 个属性和 4 类状态；仪表 D 包含 180 个样本、44 个属性和 4 类状态。不同设备的数据共同覆盖健康、安装影响、气体注入和蜡状沉积等典型运行状态，能够反映超声波流量计在不同故障条件下诊断参数的变化规律。
数据结构与关键特征
数据集中除 class 类别字段外，其余属性均为连续数值型特征。仪表 A 主要包含平坦度、对称性、横向流速、8 条声学路径的流速、声速、平均声速以及路径两端增益等信息；仪表 B 则进一步包含轮廓系数、旋流角、平均流速、信号强度、湍流、仪表性能、信号质量、增益和传输时间等参数；仪表 C 与 D 主要包含轮廓系数、对称性、横流、四条路径的流速与声速，以及各路径两端的信号强度、信号质量、增益和传输时间等特征。类别标签用于描述设备健康状态，其中包括 Healthy、Gas Injection、Installation Effects 和 Waxing 等状态，因此该数据集属于典型的多变量工业设备故障分类数据集。
应用价值与研究方向
该数据集适合用于超声波流量计健康状态识别、工业设备故障诊断、异常检测、特征选择和预测性维护等研究方向。算法方面可以采用逻辑回归、SVM、随机森林、KNN、XGBoost、LightGBM 等机器学习模型进行多分类实验，也可以结合 PCA、LDA、特征重要性分析和贝叶斯分类方法研究不同诊断参数对故障状态识别的贡献。进一步还可开展降维分类、跨设备泛化、少样本诊断、可解释人工智能以及多传感器特征融合研究，为石油天然气、化工、能源和流程工业中的智能流量监测与设备健康管理提供数据基础。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-761
文件大小：79K
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)