- 前言 -
随着工业大数据越来越火，智能制造也掀起了一番高潮，设备故障诊断与健康维护也成为了新兴研究方向。本公众号将分享以下内容：
1. 在故障诊断和寿命预测方面公开数据集介绍;
2. 用python实现信号处理方法(时域，频域，时频域，随机共振...)
3. 论文复现 (机器学习与深度学习经典方法在故障诊断和剩余寿命方面的应用)
4. 每周分享阅读到的高质量论文
5. 写作与投稿经验分享
6. Python基础入门系列
7. 平时总结的一些科研和学习技巧
希望帮助到像本人一样刚入门的故障诊断初学者用更少的时间步入正轨。提高自我学习能力同时也希望一起互相学习交流拓宽眼界。
一、常用公开数据集介绍
轴承是旋转机械中最关键的部件之一。它们被用来在旋转机械中引导和支撑轴。因此，轴承的任何故障都可能导致生产和设备失效以及潜在的不安全，从而给企业检修停工带来经济损失。由于这些原因，轴承故障诊断近年来受到了研究和工程界的高度重视。
目前公开轴承数据集有[1]：
1.Case Western Reserve University Dataset (CWRU) [2]
2.Paderborn University Dataset(PU) [3]
3.IMS Dataset [4]
4.MFPT Dataset [5]
5.FEMTO Dataset [6]
二、CWRU数据集详细介绍
这章将介绍的是CWRU数据集。包括原始数据文件夹详细介绍， 实验台装置介绍，及各种常用机器学习和深度学习在该数据集上的算法复现。
三、实验数据文件夹介绍
数据已从官网下载并整理放至百度网盘，若需要，请在后台留言“CWRU数据集”。
各级文件夹目录展示如图1-3，在各级目录下附有对文件夹说明。
图 1 一级文件夹目录
图 2 二级文件夹目录，以12DriveEndFault为例
图 3 三级文件夹目录，以1730为例
四、实验数据介绍
以12DriveEndFault\1730\0.007-Ball.mat为例，其mat文件内容如图4所示，其具体内容见表1。
图 4 12DriveEndFault\1730\0.007-Ball.mat内容展示
表 1 12DriveEndFault\1730\0.007-Ball.mat介绍
五、下期预告
下期将具体介绍该实验台装置，包括装置组成，轴承故障类型，轴承故障大小，轴承转速...让读者对实验数据有更充分的了解，从而能充分利用公开数据对自己论文算法进行实验验证。
六、参考文献及资料
[1] D. Neupane and J. Seok, "Bearing Fault Detection and Diagnosis Using Case Western Reserve University Dataset With Deep Learning Approaches: A Review," IEEE access, vol. 8, pp. 93155-93178, 2020-01-01 2020.
[2] https://csegroups.case.edu/bearingdatacenter/pages/welcome-case-western-reserve-university-bearing-data-center-website
[3] https://mb.uni-paderborn.de/en/kat/main-research/datacenter/bearing-datacenter/data-sets-and-download/
[4] https://ti.arc.nasa.gov/tech/dash/groups/pcoe/prognostic-data-repository/#bearing
[5] https://mfpt.org/fault-data-sets/
[6] https://ti.arc.nasa.gov/tech/dash/groups/pcoe/prognostic-data-repository/#femto
