轴承故障诊断与西储数据集分析实战

1. 轴承故障诊断与西储数据集概述

轴承作为旋转机械的核心部件，其健康状态直接影响设备寿命。西储大学轴承数据集（Case Western Reserve University Bearing Data）堪称机械故障诊断领域的"MNIST"，提供了标准化的实验数据。这套数据采集自测试台架，包含正常状态和多种故障类型（内圈、外圈、滚动体故障），故障尺寸精确标注为0.007-0.028英寸，采样频率高达12kHz，完整记录了驱动端和风扇端的振动信号。

注意：驱动端数据后缀为"_DE_time"，风扇端为"_FE_time"，混淆两者会导致完全错误的诊断结论。实验室新人最容易在这个坑里翻车。

数据集的价值在于：

• 故障类型明确：包含单点故障（SPF）和复合故障
• 工况完整：覆盖0-3马力负载（转速1797-1720rpm）
• 数据纯净：实验室环境采集，信噪比远高于工业现场数据

2. 数据加载与预处理技巧

2.1 数据加载的正确姿势

matlab复制% 加载.mat文件时建议使用完整路径
data = load('105.mat');  
X = data.X105_DE_time';  % 转置为列向量
fs = 12000;  % 采样频率12kHz
t = (0:length(X)-1)/fs;  % 时间轴生成

常见陷阱：

1. 文件版本问题：Matlab不同版本保存的.mat文件可能存在兼容性问题
2. 内存不足：长时间序列可能超过默认内存分配，需预先检查变量大小
3. 路径错误：建议使用fullfile函数构建跨平台路径

2.2 数据质量检查

在分析前必须进行数据质量检查：

matlab复制figure
subplot(2,1,1)
plot(t, X)
title('时域波形')
xlabel('时间(s)')
ylabel('加速度(g)')

subplot(2,1,2)
histogram(X, 100)
title('幅值分布')
xlabel('加速度值')
ylabel('频次')

健康轴承的振动信号应具有：

• 对称的幅值分布
• 无明显直流偏移
• 冲击成分较少

3. 时频分析方法详解

3.1 功率谱密度分析

matlab复制L = 1024;