旋转机械故障诊断数据集：高校实验与经典数据集合集
本数据集精选清华大学、渥太华大学、哈尔滨工业大学、华中科技大学、江苏科技大学等知名高校的实验数据，同时整合了帕德劳恩（Paderborn）轴承数据集、凯斯西储大学（CWRU）轴承故障数据等国际经典数据集，覆盖多类型、多工况的故障样本，为相关研究提供扎实的数据支撑。
核心优势
• 多工况多模态：覆盖振动信号、声发射、温度等多维度数据，还原真实复杂的设备运行场景。
• 兼容主流软件：数据统一为MATLAB/.csv/.txt标准格式，可直接对接各类故障诊断与数据分析软件。
适用场景
1. 轴承、齿轮箱等旋转机械的故障诊断算法开发与验证。
2. 深度学习模型（如CNN、RNN、Transformer等）的训练与性能测试。
3. 故障特征提取方法（如时域、频域、时频域分析）的对比研究。
4. 学术论文实验部分的数据支撑，提升研究的科学性与说服力。
数据详情
• 旋转机械振动数据：包含不同损伤类型（如滚动体故障、内圈故障、外圈故障）及不同损伤程度的样本。
• 多工况实验数据：覆盖不同转速、不同载荷条件下的设备运行数据，满足多样化研究需求。
• 配套说明文档：附带详细的实验工况、数据采集参数、样本标签等说明，便于快速理解数据背景。