凯斯西储大学轴承数据解读

2023-12-20 23:30:01


数据集官网

一、凯斯西储大学轴承数据基础知识?

1.1 故障种类

  • 内圈故障
  • 外圈故障
  • 滚动体故障

1.2 故障点尺寸(单点故障)

  • 直径0.007英寸(SKF轴承)
  • 直径0.014英寸(SKF轴承)
  • 直径0.021英寸(SKF轴承)
  • 直径0.028英寸(NTN轴承,一般不用)
  • 直径0.040英寸(NTN轴承,一般不用)

1.3 载荷和转速

  • 0马力-1797r/min
  • 1马力-1772r/min
  • 2马力-1750r/min
  • 3马力-1730r/min

二、数据解读

2.1 文件

Normal Baseline Data(12k)
12k Drive End Bearing Fault Data
48k Drive End Bearing Fault Data
Fan-End Bearing Fault Data(12k)

2.2 以12k Drive End Bearing Fault Data为例

12k Drive End Bearing Fault Data是驱动端轴承故障数据,它包含如下的数据,
在这里插入图片描述

2.3 以(0.007’',inner race)为例。

X105_DE_time:表示的是驱动端轴承故障数据的情况下,驱动端的传感器测得的数据。
在这里插入图片描述

3 Normal Baseline Data是12k原因

3.1 部分代码(频谱分析代码)

数据读取代码可以看如下两篇文章。

https://zhuanlan.zhihu.com/p/448901398
https://zhuanlan.zhihu.com/p/448210993

def envelope_spectrum1(data1, fs):
    '''
    fun: 绘制包络谱图
    param data: 输入数据,1维array
    param fs: 采样频率
    param xlim: 图片横坐标xlim,default = None
    param vline: 图片垂直线,default = None
    '''
    # ----去直流分量----#
    data = np.array(data1)
    data = data - np.mean(data)
    # ----做希尔伯特变换----#
    xt = data
    ht = fftpack.hilbert(xt)
    at = np.sqrt(xt ** 2 + ht ** 2)  # 获得解析信号at = sqrt(xt^2 + ht^2)
    am = np.fft.fft(at)  # 对解析信号at做fft变换获得幅值
    am = np.abs(am)  # 对幅值求绝对值(此时的绝对值很大)
    am = am / len(am) * 2
    am = am[0: int(len(am) / 2)]  # 取正频率幅值
    freq = np.fft.fftfreq(len(at), d=1 / fs)  # 获取fft频率,此时包括正频率和负频率
    freq = freq[0:int(len(freq) / 2)]  # 获取正频率
    am[0] = 0
    return freq, am

if __name__ == '__main__':
    upperurl = "F:\\tempture\\信号分析-全部\\CRWU\\"
    class_all1, mapdata_all1, rotate_all = extract_path_drive()
    (x, y) = load_data(upperurl, class_all1)
    freq, am = envelope_spectrum1(x[0][:12000], 12000)
    plt.figure()
    plt.plot(freq[:100], am[:100])
    plt.show()

3.2 数据分析

envelope_spectrum1(x[0][:12000], 12000)的第二个参数是采样频率。
x[0]是负载为0,驱动端的数据。
电机在负荷0下的转速为1797r/min,转频为1797/60,约为30Hz,符合下图所观测到的结果。
在这里插入图片描述
设置采样频率为48k,即envelope_spectrum1(x[0][:12000], 48000),可获得下图。
在这里插入图片描述
设置采样点的个数为10000 ,即envelope_spectrum1(x[0][:10000], 12000),可获得下图。
在这里插入图片描述

总结

Normal Baseline Data里面的数据的采样频率是12k。
每个.mat文件下,都包含在该故障下,或驱动端或风扇端或基座采集到的数据。

文章来源:https://blog.csdn.net/xiaiming0/article/details/135094955
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。