Python环境下滚动轴承状态监测与故障诊断（NASA IMS轴承数据集）_nasa轴承数据

智能维护系统IMS)滚动轴承数据是美国辛辛那提大学智能维护系统中心提供的全寿命周期数据，轴上安装了4个轴承。通过摩擦带将转速保持恒定在 2000r/min。包含3个数据集，每个数据集描述了一个测试到失败的实验。其中第一个实验装置的数据采集从 2003 年 10月 22日12时6分24秒开始到2003年11月25日23时39分56秒结束,总共持续了约827h，每隔 10min 采集一次振动信号，采样频率为20kHz，实验结束时，轴承3和轴承4分别出现了内圈故障和滚动体故障。

本项目采用Python编程语言，jupyter notebook文本编辑器，使用的部分模块如下：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
from sklearn.neural_network import MLPClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.svm import SVC
from sklearn.gaussian_process import GaussianProcessClassifier
from sklearn.gaussian_process.kernels import RBF
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier, AdaBoostClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis
import plotly.express as px
import plotly.graph_objects as go
import catboost as cb
import lightgbm as lgbm
from sklearn.metrics import precision_score,precision_recall_fscore_support
from sklearn.metrics import recall_score
from sklearn.metrics import f1_score

主要内容包括：

（1）数据前处理与特征提取

（2）数据探索性分析（3）基于统计特征的分类

（4）基于深度学习的特征提取与识别

完整代码：

Python环境下滚动轴承状态监测与故障诊断（NASA IMS轴承数据集）-今日头条 (toutiao.com)

工学博士，担任《Mechanical System and Signal Processing》审稿专家，担任《中国电机工程学报》优秀审稿专家，《控制与决策》，《系统工程与电子技术》，《电力系统保护与控制》，《宇航学报》等EI期刊审稿专家。

擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。