

> 本文是《滚动轴承故障诊断》系列的第 3 篇（数据集）。
> 系列完整目录见文末【专栏导航】。本篇配套的下载指引、文件清单与放置目录，见博主同名微信公众号。


## 一、数据集从哪来：为什么全世界都在用 CWRU

本项目的数据来自凯斯西储大学（Case Western Reserve University，CWRU）轴承数据中心——**轴承故障诊断领域最经典的公开数据集**，几乎所有这个方向的入门研究都用它。

选它有三个理由：

1. **免费公开**：官网直接下载，做研究、写论文引用无版权风险；
2. **数据标准**：业界公认的"标准试卷"，实验可复现、可横向比较，答辩时老师一听就懂；
3. **场景完整**：包含正常和三大类故障（内圈、滚动体、外圈），正好满足四分类任务。

> 一句话：别人用 CWRU 做的结果能发表、能毕业，你也一样。

## 二、.mat 文件里到底有什么

数据是 Matlab 格式（.mat）。打开一个文件，里面主要有这几组变量：

| 变量 | 含义 |
|---|---|
| `X097_DE_time` | 驱动端（Drive End）加速度计采集的振动信号 |
| `X097_FE_time` | 风扇端（Fan End）加速度计采集的振动信号 |
| `X097_BA_time` | 基础（Base）加速度计采集的信号（本系列未使用） |
| `X097RPM` | 该次测试的电机转速（转/分钟） |


![97.mat 文件包含的字段](https://developer.qcloudimg.com/http-save/yehe-3636443/4c363cc003d95b61b204e5def09b06ab.png)


每个文件里是**一整条很长的振动时间序列**——轴承转起来的每一毫秒都被记录下来了。DE 和 FE 是同一个轴承上两个不同位置测的，视角互补，这就是后文"双通道"设计的由来。

## 三、四类状态怎么构成

本系列把轴承分成 4 类来诊断：

| 类别标签 | 状态 | 典型文件 |
|---|---|---|
| 0 | 正常（Normal） | 97~100.mat |
| 1 | 内圈故障（Inner） | 105~108、169~172、209~212.mat |
| 2 | 滚动体故障（Ball） | 118~121、185~188、222~225.mat |
| 3 | 外圈故障（Outer） | 130~133、144~147、156~160.mat |

同一类状态，用多个不同转速/负载下的文件来取样本——这样模型见过的工况更丰富，泛化能力更好。这也是后文"每类要多放几个文件"的原因。

## 四、可视化：为什么"听波形"就能分类

![四类轴承状态的振动信号（CWRU 真实数据）](https://developer.qcloudimg.com/http-save/yehe-3636443/21fa5bf1faed8177611773fe1388d973.png)

把四类数据各取一段画出来，差异是肉眼可见的：

- **正常**：平缓的随机振动，幅值小；
- **内圈故障**：出现明显的周期性冲击（每次滚珠碾过缺陷位，就是一次"砰"）；
- **滚动体故障**：波形呈"调幅"样式——冲击按一定规律出现又衰减；
- **外圈故障**：类似内圈但节奏和位置不同，且常伴随谐波。

**这正是整个项目成立的物理基础**：不同故障在波形上有可分辨的模式，机器学习才有得学。如果四类波形长得一模一样，再牛的模型也白搭。所以"先可视化、再建模"不是走过场，而是**先验证"可分"这个前提**。

## 五、数据准备的三件事（指向资源包）

拿到数据、能分类、能画出波形之后，正式训练前还有三件事，具体操作（下载地址、文件清单、放置目录结构）都在公众号里：

1. **下载**：按清单下载正常 + 12k 驱动端共 40 个 .mat 文件；
2. **归类**：按"正常/内圈/滚动体/外圈"四个目录放好；
3. **核对**：数一数是不是 4+12+12+12=40 个，一个不少。

这三步做完，就具备了进入第 4 篇（数据预处理）的全部原料。

## 六、本篇小结

- CWRU 是轴承诊断的"标准试卷"，免费、可引用、易复现；
- .mat 里 DE/FE 两路信号是"双通道"的来源，RPM 记录工况；
- 四类波形差异明显 = 可分类的物理前提，动手前先可视化验证。


## 【专栏导航】

| 篇次 | 主题 | 状态 |
|---|---|---|
| 1 | 项目总览与三模型对比 | ✅ |
| 2 | 环境部署 | ✅ |
| 3 | CWRU 数据集深度解析与波形可视化（本文） | ✅ |
| 4 | 数据预处理源码走读 | 排期中 |
| 5 | 随机森林实战 | 排期中 |
| 6 | 一维卷积与残差模块 | 排期中 |
| 7 | 模型训练与评估 | 排期中 |
| 8 | 可视化诊断系统 | 排期中 |
| 9 | 论文报告与答辩话术 | 排期中 |

---

**下一篇预告**：《数据预处理源码走读：把一整条振动信号切成一堆 1000 点的样本》，看 `data_load` 这个核心函数是怎么一步步把 .mat 变成 npy 的。

---

*版权说明：CWRU 数据集版权归凯斯西储大学所有，仅限学习研究使用。*



本文是《滚动轴承故障诊断》系列的第 3 篇（数据集）。 系列完整目录见文末【专栏导航】。本篇配套的下载指引、文件清单与放置目录，见博主同名微信公众号。

手把手教你：基于深度学习的滚动轴承故障诊断｜第 3 篇 · CWRU 数据集深度解析与四类故障波形可视化

本期介绍轴承故障诊断的"教材"——凯斯西储大学公开数据集CWRU。它收录正常、内圈、滚动体、外圈四类故障的振动信号，驱动端与风扇端双传感器记录，免费可靠、论文认，是全世界通用的标准数据，为后续AI模型训练打下基础。

人工智能

CWRU轴承数据集深度解析：本文详解滚动轴承故障诊断经典公开数据集，涵盖.mat文件结构、DE/FE双通道信号、四类状态分类方法及波形可视化差异，为机器学习故障识别提供数据基础，附完整下载指引与文件清单。

数据预处理

机器学习

数据中心

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

手把手教你：基于深度学习的滚动轴承故障诊断｜第 3 篇 · CWRU 数据集深度解析与四类故障波形可视化-腾讯云开发者社区-腾讯云

手把手教你：基于深度学习的滚动轴承故障诊断｜第 3 篇 · CWRU 数据集深度解析与四类故障波形可视化

手把手教你：基于深度学习的滚动轴承故障诊断｜第 3 篇 · CWRU 数据集深度解析与四类故障波形可视化

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐