目录1数据集解读1.1 振动信号数据通常以时域显示1.2 凯斯西储大学轴承数据集描述的是什么数据？1.3实验平台介绍待测轴承：1.4以上三个不同位置的振动数据的区别解读1.5官网数据集介绍2数据集分类与制作2.1数据集分类解读2.2数据集处理与制作3基于Python的故障诊断和分类的研究思路3.1关于轴承故障类型分类的方法探讨3.2重点介绍关于轴承故障数据时频图像分类的方法引言本文深入浅出地讲解经典轴承故障数据集，可以作为轴承故障诊断和分类的入门级文章。1数据集解读1.1 振动信号数据通常以时域显示在轴承故障数据集振动信号的时域表示中，通常将时间作为横轴，振动信号的幅值作为纵轴。具体来说：横轴

目录实验平台缩写含义总结实验平台实验平台组成：【1】一个2马力的电动机(图左侧)；【2】一个扭矩传感器/译码器(图中间连接处)；【3】一个功率测试计(图右侧)；【4】电子控制器(图中没显示)。待测轴承待检测的轴承支撑着电动机的转轴；驱动端轴承为SKF6205，采样频率为12KHz和48KHz；风扇端轴承为SKF6203，采样频率为12KHz。轴承数据格式数据文件为Matlab的mat格式。每个文件包含风扇和驱动端振动数据，以及电机转速。在所有文件中，变量名显示解释如下：DE-driveendaccelerometerdata驱动端加速度数据FE-fanendaccelerometerdata风

    轴承故障诊断一般使用美国凯斯西储大学的数据集进行标准化检测算法的优劣。以下几种实验数据提取和使用方法为我在论文中所看到的。进行以下陈述一、基于RA-LSTM的轴承故障诊断方法    实验数据采用美国凯斯西储大学的SKF型轴承的DE（driveendaccelerometerdata驱动端加速度数据）端加速度数据，转速为1730r/min，样本采用频率为48kHz。实验所选轴承单点直径损伤分别为0.007mm、0.014mm、0.021mm的故障，每种故障直径内含有滚动体故障、内圈故障以及外圈故障共三种故障类型。实验数据集由九种故障数据集以及一种正常数据组成，生成数据集的截取方法如图5所

    轴承故障诊断一般使用美国凯斯西储大学的数据集进行标准化检测算法的优劣。以下几种实验数据提取和使用方法为我在论文中所看到的。进行以下陈述一、基于RA-LSTM的轴承故障诊断方法    实验数据采用美国凯斯西储大学的SKF型轴承的DE（driveendaccelerometerdata驱动端加速度数据）端加速度数据，转速为1730r/min，样本采用频率为48kHz。实验所选轴承单点直径损伤分别为0.007mm、0.014mm、0.021mm的故障，每种故障直径内含有滚动体故障、内圈故障以及外圈故障共三种故障类型。实验数据集由九种故障数据集以及一种正常数据组成，生成数据集的截取方法如图5所