摘要：该数据集主要面向电梯运行状态监测、故障分类、预测性维护和智能预警研究，通过记录电机电流、扭矩、制动状态、环境湿度以及三轴振动等多源传感器信息，对电梯正常运行、轻微故障和严重故障状态进行建模，可用于工业物联网和智能运维场景中的机器学习算法开发与测试。
数据集概述
该数据集采用基于实际电梯运行规律和传感器行为构建的模拟数据，覆盖 10 部电梯连续 30 天的运行情况，采样频率为 4 Hz，即每秒记录 4 次传感器数据。按照每部电梯每天约运行 12 小时计算，单日数据规模约达到 170 万行，整体属于大规模多变量时序数据。数据以 CSV 格式保存，能够连续描述电梯在不同运行阶段和健康状态下的动态变化，适合开展高频工业传感器数据分析及实时故障预警研究。
数据结构与关键特征
数据集共包含 10 个字段，主要包括 Elevator ID、Timestamp、Motor Current、Torque、Brake Status、Humidity、X-axis Vibration、Y-axis Vibration、Z-axis Vibration 和 Fault Label。其中电机电流和扭矩反映驱动系统负载状态，制动状态记录制动器启停情况，湿度用于描述井道环境，而 X、Y、Z 三轴振动信号能够反映设备机械振动和异常冲击特征。目标标签划分为 3 类：0 表示正常运行，1 表示轻微故障，例如门体未对准，2 表示严重故障，例如电机故障，因此可以直接构建多分类故障诊断与预警模型。
应用价值与研究方向
该数据集适合用于电梯故障分类、异常检测、预测性维护、实时状态监测和智能预警等研究方向。传统方法可提取电流、扭矩和三轴振动的统计特征，并结合随机森林、XGBoost、LightGBM、SVM 等模型进行故障识别；时序深度学习方向可使用 1D-CNN、LSTM、GRU、TCN、Transformer 等模型直接分析连续传感器序列。进一步还可以研究多传感器特征融合、轻微故障早期识别、严重故障提前预警、类别不平衡处理、异常趋势检测以及边缘端实时部署，用于智慧楼宇和电梯物联网平台中的设备健康管理。
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-767
文件大小：930M
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)