针对凯斯西储大学轴承数据集的描述

自己总结学习轴承检测故障过程，检测轴承的震动信号，对震动信号进行分析，提出特征，不同故障对应不同的特征值

主要对滚珠轴承的状况分为四类：健康、滚动元件故障、内滚道故障、外滚道故障。 ，数据文件均为Matlab格式（.mat格式）。

文件包括凯斯西储大学轴承故障数据，分别在负载1.2.3下的十种故障类型，通过卷积神经网络方法对其进行故障诊断，准确率高达99.67%，使用python语言对其进行复现，里面包括具体对应的论文。亲测好用

该数据集针对凯斯西储大学12K采样频率下的驱动端轴承故障数据进行了分类，详细信息可以参考我的博文：https://blog.csdn.net/qq_36758914/article/details/107999357

凯斯西储大学轴承数据集.mat文件， 官网没有提供合集下载形式，是以表格形式呈现，手动下载需要分别建立文件夹，单独下载并改名，本资源已经将上述工作完成整合出压缩包供大家下载。

美国凯斯西储大学轴承测试数据CWRU，从官网下载的mat版本，有需要的可以下载

共采集了正常轴承、单点驱动端和风扇端故障的数据。对于驱动端轴承，分别使用12kHz和48kHz的频率来进行了数据的采集。对于风扇端轴承，仅仅使用12kHz的频率进行了数据的采集。 数据文件均为Matlab格式（.mat格式）。每一个文件包含了风扇端和驱动端振动数据，也包含了电机转速。对于所有的文件，变量名字的含义如下： DE - 驱动端加速度数据 FE - 风扇端加速度数据 BA - 基本加速度数据 time - 时间序列数据 RPM- rpm during testing

网上有关于轴承故障特征频率计算的资源，但是东一句，西一句，比较零散，而且表述上不太明确，容易让初学者走弯路，特整理有关资料并上传，希望能帮助到大家！共同进步！

数据集本身保存在matlab环境下所以以.mat命名 自己是在python环境下用的 在SVM和BPNN下都取得良好结果，原始数据集本身比较整齐，服从正态分布。