风扇声音异常检测数据集

摘要：风扇声音异常检测数据集是一个面向工业设备声学异常检测与智能故障诊断研究构建的音频数据集

数据集概述

风扇声音异常检测数据集是一个面向工业设备声学异常检测与智能故障诊断研究构建的音频数据集数据集通过采集风扇在不同运行状态下产生的声音信号，利用设备正常运行与异常运行时在频谱、能量分布、机械振动和周期性声学模式等方面的差异，实现基于声音的异常状态识别。原始训练集、验证集和测试集被统一整理，可用于构建自编码器、卷积神经网络以及无监督异常检测模型，适合工业机器状态监测和预测性维护研究。

数据结构与关键特征

数据集主要划分为 train、validation 和 test 三个部分，所有样本均采用 .wav 音频格式保存。测试目录中的文件按照 id_01_00000000.wav、id_01_00000001.wav 等统一规则进行编号，目前展示前 30 个文件并标注另有 1312 个文件，因此测试目录共约 1342 个音频样本。数据以不同机器 ID 组织样本，便于分析不同设备实例之间的运行声音差异。在实际建模过程中，可进一步将原始波形转换为 Mel 频谱图、Log-Mel Spectrogram、MFCC 等声学特征，并通过滑动窗口进行样本切分，为深度学习模型提供统一输入。

应用价值与研究方向

该数据集适用于风扇故障检测、机械设备声音监测、工业异常检测和预测性维护等研究方向。算法层面可以采用 Autoencoder、Variational Autoencoder、CNN、CRNN、LSTM、Transformer 等模型学习正常运行声音的特征分布，并通过重构误差或异常分数判断设备是否发生异常。其中，自编码器尤其适合仅利用正常样本训练的无监督异常检测场景。此外，该数据集还可用于研究 Log-Mel 频谱异常检测、One-Class Classification、对比学习、域适应、机器 ID 泛化以及多设备工业声音诊断，具有较强的智能制造与设备健康管理应用价值。

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-828
文件大小：2.2G
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。