滚动轴承故障声音数据集
数据来源：互联网公开数据
标签：轴承故障,声音信号,机器学习,信号处理,故障诊断,旋转机械,健康监测
数据概述：
本数据集收录了滚动轴承在不同状态下的声音信号，包括正常状态、内圈故障（Inner Race Fault, IR）和外圈故障（Outer Race Fault, OR）。数据集中的声音信号通过3相交流电机实验平台采集，实验环境为受控状态。信号采样率为10kHz，每个信号持续时间为10秒，总共有6480个样本（每类2160个）。实验过程持续18小时，分为三类（正常、内圈故障、外圈故障），每类持续6小时。
数据用途概述：
该数据集适用于故障分类、特征提取、机器学习模型训练以及旋转机械健康监测等多种场景。研究者可以利用此数据集进行声音信号分析，探索轴承故障的特征模式；工程师可以基于数据集开发故障诊断算法，提升设备维护效率；同时，数据集也适合用于教育培训，帮助学习者理解声音信号在机械故障诊断中的应用价值。此外，该数据集为轴承健康监测领域的研究和应用提供了高质量的数据支持。
引用说明：
若使用本数据集，请引用以下论文：
Aziz, S., Khan, M. U., Usman, A., Faraz, M., Ghadi, Y. Y., & Montes, G. A. (2025). Bearing faults classification using novel log energy-based empirical mode decomposition and machine Mel-frequency cepstral coefficients. Digital Signal Processing, 156, 104776. DOI: https://doi.org/10.1016/j.dsp.2024.104776
