摘要：齿轮箱故障诊断数据集包含 20 个振动信号文件（使用 SpectraQuest 模拟器），4 个传感器，2 种状态（健康/断齿），10 个负载等级（0%-90%），专为工业预测性维护和机器学习应用设计。
数据集简介
数据集概述
齿轮箱故障诊断数据集（Gearbox Fault Diagnosis Dataset）是一个专为机械工程领域，特别是工业环境中应用机器学习而设计的振动数据集。机械工程领域的数据集较少，特别是专门用于工业环境机器学习应用的数据集。该数据集使用 SpectraQuest 齿轮箱故障诊断模拟器记录振动数据，填补了 Kaggle 上此类数据集的空白，为社区提供了宝贵的工业预测性维护资源。数据集专为学习在工业设施中应用机器学习进行预测性维护的基础知识而设计。
数据集包含使用 SpectraQuest 齿轮箱故障诊断模拟器记录的振动数据集。数据采集设置：使用 4 个振动传感器放置在 4 个不同方向，在负载从 0% 到 90% 变化的条件下记录数据（以 10% 为步长）。数据集包含 2 种场景：(1) 健康状态（Healthy condition）：齿轮箱正常运行状态；(2) 断齿状态（Broken Tooth Condition）：齿轮箱断齿故障状态。数据文件：总共 20 个文件，其中 10 个文件来自健康齿轮箱，10 个文件来自断齿齿轮箱。每个文件对应从 0% 到 90% 的给定负载（以 10% 为步长），即每种状态下有 10 个不同负载等级（0%, 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90%）。数据特征：4 个振动传感器 × 2 种状态 × 10 个负载等级 = 20 个数据文件。
支持齿轮箱故障诊断、二元分类（健康 vs 断齿）、振动信号分析、时间序列分析、预测性维护、机器学习模型训练（SVM、随机森林、神经网络、CNN、LSTM）、特征提取、信号处理（FFT、小波变换）、工业设备健康监测、智能制造和工业 4.0 应用。
数据集来源
来源于 OpenEI（https://openei.org/datasets/dataset/gearbox-fault-diagnosis-data），使用 SpectraQuest 齿轮箱故障诊断模拟器记录，4 个振动传感器（4 个方向），2 种状态（健康/断齿），10 个负载等级（0%-90%，步长 10%），20 个文件（10 健康 + 10 断齿），专为预测性维护和工业机器学习设计。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-158
文件大小：28M
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)