专门针对动力传动系统故障的检测和分类。它是推动电动汽车安全性和可靠性研究和开发的重要资源。该数据集包括从集成到车辆操作系统的多个传感器收集的综合数据，涵盖电压、电流、电机转速、温度、振动、环境温度和湿度等参数。这些参数对于监测各种动力传动系统部件的状况以及识别表示潜在故障的偏差至关重要。
该数据集包含两类主要数据：
正常运行数据：反映全功能传动系统的典型性能。
故障数据：突出显示关键部件（包括电机、逆变器和电池）的故障或效率低下。
数据集经过精心策划，以确保类别的平衡表示，这对于有效训练机器学习模型至关重要。每个数据点都带有标签以指示系统的状态，标签如下：
标签 0：正常运行。
标签 1：电机相关故障。
标签 2：逆变器相关故障。
标签 3：电池相关故障。
该数据集用于训练和验证高级深度学习模型。这些模型旨在增强故障检测能力，实现实时识别和解决 NEV 系统内的问题。通过利用此数据集，研究人员和开发人员可以创建更强大的诊断工具，有助于提高电动汽车的安全性、性能和可靠性。
数据集的应用
深度学习开发：构建卷积神经网络 (CNN)、循环神经网络 (RNN) 或混合模型用于故障检测。
预测性维护：启用预测分析来预测潜在故障并主动安排维护。
系统优化：通过识别性能瓶颈和效率低下来提高传动系统效率。
主要特点
高质量传感器数据：涵盖广泛的操作和环境参数。
故障分类：关键传动系统部件故障的具体识别。
平衡数据集：确保正常数据和故障数据均匀分布，以进行无偏模型训练。
可扩展性：适用于可扩展到 NEV 实际应用的训练模型。
