模块化机械传动系统振动信号基准数据集及其无监督故障检测研究

《Scientific Data》：Benchmark Dataset of Vibrational Signals for Artificial Intelligence Applications in Mechanical Systems

　　

摘要

本研究介绍了一个包含 7,000 个振动信号的基准数据集，数据源自模块化机械传动系统，模拟了包含齿轮、V 带和滚子链人工诱发故障的真实场景。数据是在多种配置下收集的，捕捉了跨互联模块的故障传播，并包含健康及故障状态。时域和频域分析揭示了故障条件下显著的振动模式。为了评估诊断复杂度，应用了基于统计特征和深度学习自编码器的经典无监督故障检测模型。较低的聚类准确率和较差的标签对齐度凸显了无监督条件下检测细微异常的困难。该数据集的多变性和真实性为利用机器学习和深度学习推进状态监测中的信号处理提供了稳健的资源。这项工作提供了一个可扩展、多样且富含诊断信息的数据集，弥补了现有资源通常仅关注孤立组件且缺乏故障多样性的不足，并支持工业 4.0 中无监督学习、表示学习和预测性维护的研究。