简介这份数据集面向从事电机故障诊断的工程师、设备维护人员及高校研究人员系统整理了三相异步故障电机的典型频谱特征帮助读者快速对照振动信号判断故障类型。内容涵盖转子偏心、轴弯曲、转子条断裂、电机缺相、轴承内外圈故障、匝间短路与转子不平衡七类常见故障逐项给出特征频率、边带规律与诊断建议可直接用于现场排查与教学参考。资源包共1个docx文件约608KB以图文表格形式汇总各类故障的频谱图与备注说明便于打印或随查随用。目前已有947人学习下载适合需要建立故障频谱对照体系、提升诊断效率的初、中级技术人员也可作为开发智能诊断系统的数据参考。1. 故障电机典型频谱特征整理数据集从振动信号到可训练样本的完整路径一台 7.5kW 异步电机在试验台上出现异常振动加速度传感器采到的时域波形看不出明显问题但 FFT 之后在 157Hz 附近出现一根幅值不高却持续存在的谱线——这个频率恰好接近转频的 3 倍。如果你手头有一份整理好的故障电机典型频谱特征数据集这类判断不需要靠直觉直接做谱峰匹配就能给出候选故障类型。这正是本文要讲的事把不同故障模式下电机振动的频谱特征提取出来整理成结构化、可检索、可训练的数据集。它面向的是做设备状态监测、预测性维护、故障诊断的工程师以及需要频谱样本训练分类模型的研究者。数据集的核心价值不在于数据量多大而在于每一类故障的频谱特征是否标注准确、物理含义是否清晰、不同工况下是否可复现。2. 故障电机的频谱特征到底长什么样从物理机理到可量化指标2.1 四类典型故障的频谱指纹电机故障诊断做了这么多年真正在工业现场高频出现的故障类型其实就那么几类。轴承故障、转子断条、气隙偏心、定子绕组短路这四类覆盖了绝大多数非电源侧异常。每一类在频谱上都有相对固定的表现模式这也是构建数据集时分类标签的物理依据。轴承外圈故障的特征频率由轴承几何参数和转速共同决定计算公式为 BPFO (n/2) × fr × (1 - (d/D)cosθ)其中 n 是滚动体数量fr 是转频d 是滚动体直径D 是节径θ 是接触角。内圈故障频率 BPFI 则在括号内用加号。这些频率通常在 1kHz 到 5kHz 范围内出现且往往伴随边频带。转子断条的特征更直接在供电频率 f 两侧出现 (1±2s)f 的边频s 是转差率。气隙偏心会在转频 fr 及其谐波处产生异常严重时出现 2fr 的明显峰值。定子绕组短路则在频谱中出现 2f 附近的边频分量。把这些公式和对应的谱峰位置整理成表就是数据集的第一层结构故障类型特征频率表达式典型频段边频特征轴承外圈BPFO (n/2)·fr·(1-(d/D)cosθ)1k–5kHz以 BPFO 为中心间隔 fr轴承内圈BPFI (n/2)·fr·(1(d/D)cosθ)1k–5kHz以 BPFI 为中心间隔 fr转子断条(1±2s)·f电源频率附近边频间隔 2sf气隙偏心fr, 2fr, 3fr低频段谐波幅值递增或递减定子短路2f ± 2sf2 倍电源频率附近边频间隔 2sf这张表不是凭空写的每一行都对应一个可验证的物理关系。构建数据集时标签体系就按这个表来设计确保每个样本的标注有据可依。2.2 从原始振动信号到频谱样本的转换链路有了物理依据接下来要解决的是数据形态问题。原始数据是加速度传感器采到的时域波形采样率通常 10kHz 以上单条记录可能几十万点。直接拿时域波形做训练不是不行但频谱特征更稳定、更可解释而且数据量能压缩一到两个数量级。转换链路分四步去趋势、加窗、FFT、谱峰提取。去趋势是为了消除传感器温漂带来的基线偏移用多项式拟合减去慢变分量即可。加窗用 Hanning 窗目的是减少频谱泄漏——电机振动信号里转频及其谐波能量集中不加窗的话谱峰两侧会出现虚假的旁瓣。FFT 点数一般取 4096 或 8192频率分辨率 Δf fs/N10kHz 采样配 8192 点就是 1.22Hz足够分辨转频附近的边频。谱峰提取是数据集构建的关键步骤。不是把所有频率点都存下来而是只保留超过局部背景噪声一定倍数的峰。具体做法是先估计噪声基底用滑动中位数滤波得到一条平滑的噪声曲线然后找那些幅值超过噪声基底 3 倍以上的局部极大值。每个峰记录三个值频率、幅值、相对噪声的信噪比。这样一条原始波形最终变成几十到几百个谱峰记录数据量可控物理含义清晰。2.3 数据集的结构设计与字段定义数据集的结构直接决定了后续能不能方便地做检索和训练。我一般会设计成三层样本层、谱峰层、标签层。样本层记录每条原始数据的元信息谱峰层存提取出来的峰值列表标签层放故障类型和工况参数。样本层字段包括样本 ID、电机型号代号、额定功率、额定转速、采样率、采样点数、负载率、供电频率。这些字段看起来琐碎但做跨工况对比时缺一不可。比如同样标注为轴承外圈故障50% 负载和 100% 负载下的谱峰幅值可能差一倍没有负载率字段就没法做归一化。谱峰层用 JSON 数组存储每个元素包含频率、幅值、信噪比三个字段。用 JSON 而不是 CSV 是因为每条样本的谱峰数量不固定JSON 的嵌套结构更自然。如果后续要转成 CSV 做批量训练写个脚本展平即可。标签层是核心。故障类型用枚举值比如 0 表示正常、1 表示轴承外圈、2 表示轴承内圈、3 表示转子断条、4 表示气隙偏心、5 表示定子短路。严重程度分三级早期、中期、晚期。早期故障的谱峰幅值通常只比正常状态高 20%–50%晚期可能高 3–5 倍。这个分级不是拍脑袋定的而是根据谱峰信噪比和边频数量综合判断。注意标签的准确性比数据量重要得多。一条标错的样本对分类模型的伤害可能需要十条正确样本才能弥补。如果对某条数据的故障类型不确定宁可标为“疑似”单独存放也不要硬塞进确定类别。3. 动手构建频谱特征数据集从采集配置到批量入库3.1 采集参数怎么定采样率、采样时长与触发方式采集参数定不好后面所有分析都是空中楼阁。采样率遵循奈奎斯特准则要覆盖你关心的最高特征频率。轴承故障特征频率可能到 5kHz那采样率至少 12.8kHz实际取 12.8k 或 25.6k 更稳妥。如果只关心转频和电源频率附近的特征5.12kHz 也够用但会丢失轴承高频信息。采样时长决定频率分辨率。Δf 1/TT 是采样时长。想要 1Hz 的分辨率至少采 1 秒。但电机振动信号里转频通常几十赫兹边频间隔可能只有几赫兹所以实际建议采 2–5 秒对应 Δf 为 0.2–0.5Hz。采样点数 采样率 × 采样时长12.8kHz × 3s 38400 点取 2 的整数次幂 32768 或 65536 做 FFT 更方便。触发方式有两种连续采集和阈值触发。连续采集适合稳态工况数据完整但冗余大。阈值触发只在振动幅值超过设定值时记录适合捕捉冲击性故障但可能漏掉渐变型异常。我一般两种都采连续数据用于建立基线触发数据用于补充故障样本。import numpy as np from scipy import signal def acquire_config(fs12800, duration3.0, trigger_thresholdNone): 生成采集配置 fs: 采样率 Hz duration: 采样时长 秒 trigger_threshold: 触发阈值None 表示连续采集 n_points int(fs * duration) # 取最接近的 2 的整数次幂方便 FFT n_fft 2 ** int(np.ceil(np.log2(n_points))) config { sampling_rate: fs, duration: duration, n_points: n_points, n_fft: n_fft, freq_resolution: fs / n_fft, trigger: trigger_threshold is not None, trigger_level: trigger_threshold } return config cfg acquire_config(fs12800, duration3.0) print(f频率分辨率: {cfg[freq_resolution]:.3f} Hz)这段代码做了一件事根据采样率和时长算出实际需要的 FFT 点数并给出频率分辨率。参数 fs 和 duration 需要根据你的电机类型和关心的故障频段来调整。如果电机额定转速 1500rpm转频 25Hz边频间隔可能只有 1–2Hz那 freq_resolution 最好在 0.5Hz 以下对应 duration 至少 2 秒。3.2 频谱特征提取的完整代码实现采集到原始数据后下一步是批量提取谱峰。下面这段代码实现了从时域波形到谱峰列表的完整流程包括去趋势、加窗、FFT、噪声基底估计和峰值筛选。import numpy as np from scipy import signal from scipy.ndimage import median_filter def extract_spectral_peaks(waveform, fs, n_fft8192, noise_factor3.0, min_freq5.0): 从时域波形提取频谱峰值 waveform: 一维时域信号 fs: 采样率 n_fft: FFT 点数 noise_factor: 峰值超过噪声基底的倍数阈值 min_freq: 忽略低于此频率的峰去直流和低频漂移 返回: 峰值列表每个元素为 (频率, 幅值, 信噪比) # 1. 去趋势消除基线漂移 detrended signal.detrend(waveform, typelinear) # 2. 加 Hanning 窗减少频谱泄漏 window signal.windows.hann(len(detrended)) windowed detrended * window # 3. FFT 并取单边谱 spectrum np.fft.rfft(windowed, nn_fft) magnitude np.abs(spectrum) * 2.0 / np.sum(window) freqs np.fft.rfftfreq(n_fft, d1.0/fs) # 4. 估计噪声基底用中位数滤波平滑幅值谱 noise_floor median_filter(magnitude, size51) noise_floor np.maximum(noise_floor, 1e-12) # 避免除零 # 5. 计算信噪比并找局部极大值 snr magnitude / noise_floor peak_indices, _ signal.find_peaks(snr, heightnoise_factor, distance3) # 6. 过滤低频干扰 peaks [] for idx in peak_indices: f freqs[idx] if f min_freq: continue peaks.append({ freq_hz: round(float(f), 3), amplitude: round(float(magnitude[idx]), 6), snr: round(float(snr[idx]), 2) }) # 按幅值降序排列 peaks.sort(keylambda x: x[amplitude], reverseTrue) return peaks # 模拟一段含故障特征的信号做验证 fs 12800 t np.arange(0, 3.0, 1.0/fs) fr 25.0 # 转频 25Hz # 构造含 3 倍转频和 157Hz 轴承特征的信号 sig (1.0 * np.sin(2*np.pi*fr*t) 0.3 * np.sin(2*np.pi*3*fr*t) 0.15 * np.sin(2*np.pi*157*t) 0.05 * np.random.randn(len(t))) peaks extract_spectral_peaks(sig, fs) for p in peaks[:5]: print(f频率: {p[freq_hz]} Hz, 幅值: {p[amplitude]}, SNR: {p[snr]})这段代码的关键参数有三个。n_fft 决定频率分辨率8192 点在 12.8kHz 采样下给出 1.56Hz 分辨率对大多数电机故障够用。noise_factor 控制峰值筛选的严格程度3.0 是经验值噪声大的现场可以调到 4.0 或 5.0。min_freq 用来跳过直流和低频漂移一般设 5Hz 或 10Hz。median_filter 的 size 参数需要根据谱线密度调整。size51 意味着用 51 个频率点的中位数作为该点的噪声估计对应约 80Hz 的窗口宽度。如果谱峰很密集这个窗口可能把真实峰也平滑掉需要减小 size。反过来如果噪声基底起伏大增大 size 更稳。3.3 批量处理与数据集入库单条数据跑通之后要处理的是成百上千条记录。批量处理的核心是统一参数、统一格式、统一命名。我一般会写一个批处理脚本遍历原始数据目录对每条记录调用提取函数然后把结果写入统一的 JSON 文件。import os import json import numpy as np from datetime import datetime def build_dataset(raw_dir, output_path, fs12800, n_fft8192): 批量构建频谱特征数据集 raw_dir: 原始数据目录每个文件一条记录 output_path: 输出 JSON 路径 dataset [] files sorted([f for f in os.listdir(raw_dir) if f.endswith(.npy)]) for fname in files: filepath os.path.join(raw_dir, fname) waveform np.load(filepath) # 从文件名解析元信息命名规则: 电机代号_故障类型_负载率_序号.npy parts fname.replace(.npy, ).split(_) meta { sample_id: fname.replace(.npy, ), motor_code: parts[0], fault_type: parts[1], load_rate: float(parts[2]), timestamp: datetime.now().isoformat() } peaks extract_spectral_peaks(waveform, fs, n_fft) record { meta: meta, peaks: peaks, peak_count: len(peaks), dominant_freq: peaks[0][freq_hz] if peaks else None } dataset.append(record) with open(output_path, w, encodingutf-8) as f: json.dump(dataset, f, ensure_asciiFalse, indent2) print(f共处理 {len(dataset)} 条记录写入 {output_path}) return dataset # 使用示例 # dataset build_dataset(./raw_data, ./spectral_dataset.json)命名规则是批量处理里最容易被忽视但影响最大的环节。文件名里带上电机代号、故障类型、负载率解析时就不需要额外的标注文件。如果原始数据没有规范命名建议先写个重命名脚本统一格式再跑批处理。输出用 JSON 而不是 CSV是因为谱峰列表是变长数组JSON 天然支持嵌套后续要转 CSV 再展平也不迟。入库之后建议做一次完整性检查统计每类故障的样本数、检查是否有空谱峰记录、验证频率范围是否合理。这些检查用几行 pandas 代码就能完成但能避免后面训练时才发现数据有问题。4. 避坑与排查频谱数据集构建中最容易翻车的五个地方4.1 采样率不够导致特征频率混叠现象轴承故障特征频率在 4kHz 附近但频谱上怎么都找不到对应谱峰反而在低频段出现莫名其妙的峰。原因采样率只有 5.12kHz奈奎斯特频率 2.56kHz4kHz 的特征频率发生混叠折叠到了 1.12kHz 附近。解决根据关心的最高特征频率反推采样率至少取特征频率的 2.5 倍。轴承故障建议 12.8kHz 起步如果同时关心高频共振解调25.6kHz 更稳妥。4.2 窗函数选择不当造成谱峰幅值失真现象同一台电机同一工况两次采集的谱峰幅值差 30% 以上但转速和负载都没变。原因一次用了矩形窗一次用了 Hanning 窗。矩形窗主瓣窄但旁瓣高Hanning 窗主瓣宽但旁瓣低对幅值的影响不同。解决数据集构建过程中固定用一种窗推荐 Hanning 窗。如果要做幅值精确对比还需要做窗函数增益补偿除以窗函数的相干增益。4.3 噪声基底估计被强谱峰带偏现象正常样本提取出几百个谱峰明显偏多。原因中位数滤波的窗口太宽把真实谱峰也当成了噪声基底的一部分导致噪声估计偏高信噪比整体偏低阈值筛选失效。解决减小 median_filter 的 size或者改用分位数滤波。另一个办法是先做一次粗筛把明显的大峰去掉再估计噪声基底。4.4 标签体系不统一导致跨批次数据无法合并现象第一批数据用“轴承故障”做标签第二批用“外圈故障”“内圈故障”分开标合并时对不上。原因标签体系没有提前定义好不同人不同时间标注标准不一致。解决动手采集之前先定好标签枚举表写进项目文档所有批次共用。如果已经出现了不一致写映射脚本统一转换转换规则要记录在案。4.5 工况参数缺失导致模型学到虚假关联现象分类模型在测试集上准确率 95%换一台电机就掉到 60%。原因训练集里故障样本全部在高负载下采集正常样本全部在低负载下采集模型学到的是负载率而不是故障特征。解决采集时保证每种故障类型在不同负载率下都有样本至少覆盖 30%、60%、100% 三档。数据集里负载率字段必须完整训练时可以做工况归一化或者把负载率作为独立特征输入。5. 让数据集真正可用验证方法与一个实用技巧数据集建好之后怎么判断它是不是真的能用我一般做两个验证。第一个是物理一致性检查随机抽若干样本看提取出的主谱峰频率是否和理论特征频率对得上。比如标注为轴承外圈故障的样本主谱峰应该在 BPFO 附近误差不超过频率分辨率的 2 倍。如果对不上要么是标签错了要么是提取参数有问题。第二个是分类可分性验证。用简单的 KNN 或 SVM 在谱峰特征上跑一遍交叉验证看类间距离是否足够大。如果准确率低于 70%说明特征区分度不够需要回到提取环节调整参数或者补充更多工况的样本。这个验证不需要复杂模型简单模型跑不通深度学习也救不了。from sklearn.model_selection import cross_val_score from sklearn.neighbors import KNeighborsClassifier from sklearn.preprocessing import StandardScaler import numpy as np def validate_dataset(dataset, n_peaks20): 用 KNN 做快速可分性验证 dataset: build_dataset 的输出 n_peaks: 每条样本取前 n 个谱峰的频率和幅值作为特征 X, y [], [] for record in dataset: peaks record[peaks][:n_peaks] # 特征: 前 n 个峰的频率和幅值交替排列 feat [] for p in peaks: feat.extend([p[freq_hz], p[amplitude]]) # 不足 n 个峰的用零填充 while len(feat) n_peaks * 2: feat.append(0.0) X.append(feat) y.append(record[meta][fault_type]) X np.array(X) y np.array(y) scaler StandardScaler() X_scaled scaler.fit_transform(X) clf KNeighborsClassifier(n_neighbors5) scores cross_val_score(clf, X_scaled, y, cv5, scoringaccuracy) print(f5 折交叉验证准确率: {scores.mean():.3f} (/- {scores.std():.3f})) return scores.mean() # validate_dataset(dataset)这个验证脚本用前 20 个谱峰的频率和幅值作为特征跑 5 折交叉验证。如果准确率在 85% 以上说明数据集的特征区分度不错可以进入模型训练阶段。如果在 70%–85% 之间可能需要增加谱峰数量或者补充工况维度。低于 70% 就要回头检查标签质量和提取参数了。一个实用技巧在谱峰特征里加入频率的归一化比值比如把每个峰的频率除以转频得到“阶次”特征。阶次特征对转速变化不敏感跨工况泛化能力更强。具体做法是在提取谱峰时同时记录转频入库时增加一个 order 字段值为 freq_hz / fr。这样即使电机转速有波动同一故障的阶次特征仍然稳定。这个改动很小但对数据集的可迁移性提升明显。我自己踩过的最大坑是早期贪图样本数量把不同负载率下的数据混在一起不做标注结果模型在变负载场景下完全失效。后来老老实实把负载率字段补全训练时按工况分层采样效果才稳定下来。数据集这件事字段设计的完备性比样本数量重要得多前期多花一小时想清楚要记哪些参数后面能省掉一周的返工。希望帮到你。本文还有配套的精品资源点击获取
简介这份数据集面向从事电机故障诊断的工程师、设备维护人员及高校研究人员系统整理了三相异步故障电机的典型频谱特征帮助读者快速对照振动信号判断故障类型。内容涵盖转子偏心、轴弯曲、转子条断裂、电机缺相、轴承内外圈故障、匝间短路与转子不平衡七类常见故障逐项给出特征频率、边带规律与诊断建议可直接用于现场排查与教学参考。资源包共1个docx文件约608KB以图文表格形式汇总各类故障的频谱图与备注说明便于打印或随查随用。目前已有947人学习下载适合需要建立故障频谱对照体系、提升诊断效率的初、中级技术人员也可作为开发智能诊断系统的数据参考。1. 故障电机典型频谱特征整理数据集从振动信号到可训练样本的完整路径一台 7.5kW 异步电机在试验台上出现异常振动加速度传感器采到的时域波形看不出明显问题但 FFT 之后在 157Hz 附近出现一根幅值不高却持续存在的谱线——这个频率恰好接近转频的 3 倍。如果你手头有一份整理好的故障电机典型频谱特征数据集这类判断不需要靠直觉直接做谱峰匹配就能给出候选故障类型。这正是本文要讲的事把不同故障模式下电机振动的频谱特征提取出来整理成结构化、可检索、可训练的数据集。它面向的是做设备状态监测、预测性维护、故障诊断的工程师以及需要频谱样本训练分类模型的研究者。数据集的核心价值不在于数据量多大而在于每一类故障的频谱特征是否标注准确、物理含义是否清晰、不同工况下是否可复现。2. 故障电机的频谱特征到底长什么样从物理机理到可量化指标2.1 四类典型故障的频谱指纹电机故障诊断做了这么多年真正在工业现场高频出现的故障类型其实就那么几类。轴承故障、转子断条、气隙偏心、定子绕组短路这四类覆盖了绝大多数非电源侧异常。每一类在频谱上都有相对固定的表现模式这也是构建数据集时分类标签的物理依据。轴承外圈故障的特征频率由轴承几何参数和转速共同决定计算公式为 BPFO (n/2) × fr × (1 - (d/D)cosθ)其中 n 是滚动体数量fr 是转频d 是滚动体直径D 是节径θ 是接触角。内圈故障频率 BPFI 则在括号内用加号。这些频率通常在 1kHz 到 5kHz 范围内出现且往往伴随边频带。转子断条的特征更直接在供电频率 f 两侧出现 (1±2s)f 的边频s 是转差率。气隙偏心会在转频 fr 及其谐波处产生异常严重时出现 2fr 的明显峰值。定子绕组短路则在频谱中出现 2f 附近的边频分量。把这些公式和对应的谱峰位置整理成表就是数据集的第一层结构故障类型特征频率表达式典型频段边频特征轴承外圈BPFO (n/2)·fr·(1-(d/D)cosθ)1k–5kHz以 BPFO 为中心间隔 fr轴承内圈BPFI (n/2)·fr·(1(d/D)cosθ)1k–5kHz以 BPFI 为中心间隔 fr转子断条(1±2s)·f电源频率附近边频间隔 2sf气隙偏心fr, 2fr, 3fr低频段谐波幅值递增或递减定子短路2f ± 2sf2 倍电源频率附近边频间隔 2sf这张表不是凭空写的每一行都对应一个可验证的物理关系。构建数据集时标签体系就按这个表来设计确保每个样本的标注有据可依。2.2 从原始振动信号到频谱样本的转换链路有了物理依据接下来要解决的是数据形态问题。原始数据是加速度传感器采到的时域波形采样率通常 10kHz 以上单条记录可能几十万点。直接拿时域波形做训练不是不行但频谱特征更稳定、更可解释而且数据量能压缩一到两个数量级。转换链路分四步去趋势、加窗、FFT、谱峰提取。去趋势是为了消除传感器温漂带来的基线偏移用多项式拟合减去慢变分量即可。加窗用 Hanning 窗目的是减少频谱泄漏——电机振动信号里转频及其谐波能量集中不加窗的话谱峰两侧会出现虚假的旁瓣。FFT 点数一般取 4096 或 8192频率分辨率 Δf fs/N10kHz 采样配 8192 点就是 1.22Hz足够分辨转频附近的边频。谱峰提取是数据集构建的关键步骤。不是把所有频率点都存下来而是只保留超过局部背景噪声一定倍数的峰。具体做法是先估计噪声基底用滑动中位数滤波得到一条平滑的噪声曲线然后找那些幅值超过噪声基底 3 倍以上的局部极大值。每个峰记录三个值频率、幅值、相对噪声的信噪比。这样一条原始波形最终变成几十到几百个谱峰记录数据量可控物理含义清晰。2.3 数据集的结构设计与字段定义数据集的结构直接决定了后续能不能方便地做检索和训练。我一般会设计成三层样本层、谱峰层、标签层。样本层记录每条原始数据的元信息谱峰层存提取出来的峰值列表标签层放故障类型和工况参数。样本层字段包括样本 ID、电机型号代号、额定功率、额定转速、采样率、采样点数、负载率、供电频率。这些字段看起来琐碎但做跨工况对比时缺一不可。比如同样标注为轴承外圈故障50% 负载和 100% 负载下的谱峰幅值可能差一倍没有负载率字段就没法做归一化。谱峰层用 JSON 数组存储每个元素包含频率、幅值、信噪比三个字段。用 JSON 而不是 CSV 是因为每条样本的谱峰数量不固定JSON 的嵌套结构更自然。如果后续要转成 CSV 做批量训练写个脚本展平即可。标签层是核心。故障类型用枚举值比如 0 表示正常、1 表示轴承外圈、2 表示轴承内圈、3 表示转子断条、4 表示气隙偏心、5 表示定子短路。严重程度分三级早期、中期、晚期。早期故障的谱峰幅值通常只比正常状态高 20%–50%晚期可能高 3–5 倍。这个分级不是拍脑袋定的而是根据谱峰信噪比和边频数量综合判断。注意标签的准确性比数据量重要得多。一条标错的样本对分类模型的伤害可能需要十条正确样本才能弥补。如果对某条数据的故障类型不确定宁可标为“疑似”单独存放也不要硬塞进确定类别。3. 动手构建频谱特征数据集从采集配置到批量入库3.1 采集参数怎么定采样率、采样时长与触发方式采集参数定不好后面所有分析都是空中楼阁。采样率遵循奈奎斯特准则要覆盖你关心的最高特征频率。轴承故障特征频率可能到 5kHz那采样率至少 12.8kHz实际取 12.8k 或 25.6k 更稳妥。如果只关心转频和电源频率附近的特征5.12kHz 也够用但会丢失轴承高频信息。采样时长决定频率分辨率。Δf 1/TT 是采样时长。想要 1Hz 的分辨率至少采 1 秒。但电机振动信号里转频通常几十赫兹边频间隔可能只有几赫兹所以实际建议采 2–5 秒对应 Δf 为 0.2–0.5Hz。采样点数 采样率 × 采样时长12.8kHz × 3s 38400 点取 2 的整数次幂 32768 或 65536 做 FFT 更方便。触发方式有两种连续采集和阈值触发。连续采集适合稳态工况数据完整但冗余大。阈值触发只在振动幅值超过设定值时记录适合捕捉冲击性故障但可能漏掉渐变型异常。我一般两种都采连续数据用于建立基线触发数据用于补充故障样本。import numpy as np from scipy import signal def acquire_config(fs12800, duration3.0, trigger_thresholdNone): 生成采集配置 fs: 采样率 Hz duration: 采样时长 秒 trigger_threshold: 触发阈值None 表示连续采集 n_points int(fs * duration) # 取最接近的 2 的整数次幂方便 FFT n_fft 2 ** int(np.ceil(np.log2(n_points))) config { sampling_rate: fs, duration: duration, n_points: n_points, n_fft: n_fft, freq_resolution: fs / n_fft, trigger: trigger_threshold is not None, trigger_level: trigger_threshold } return config cfg acquire_config(fs12800, duration3.0) print(f频率分辨率: {cfg[freq_resolution]:.3f} Hz)这段代码做了一件事根据采样率和时长算出实际需要的 FFT 点数并给出频率分辨率。参数 fs 和 duration 需要根据你的电机类型和关心的故障频段来调整。如果电机额定转速 1500rpm转频 25Hz边频间隔可能只有 1–2Hz那 freq_resolution 最好在 0.5Hz 以下对应 duration 至少 2 秒。3.2 频谱特征提取的完整代码实现采集到原始数据后下一步是批量提取谱峰。下面这段代码实现了从时域波形到谱峰列表的完整流程包括去趋势、加窗、FFT、噪声基底估计和峰值筛选。import numpy as np from scipy import signal from scipy.ndimage import median_filter def extract_spectral_peaks(waveform, fs, n_fft8192, noise_factor3.0, min_freq5.0): 从时域波形提取频谱峰值 waveform: 一维时域信号 fs: 采样率 n_fft: FFT 点数 noise_factor: 峰值超过噪声基底的倍数阈值 min_freq: 忽略低于此频率的峰去直流和低频漂移 返回: 峰值列表每个元素为 (频率, 幅值, 信噪比) # 1. 去趋势消除基线漂移 detrended signal.detrend(waveform, typelinear) # 2. 加 Hanning 窗减少频谱泄漏 window signal.windows.hann(len(detrended)) windowed detrended * window # 3. FFT 并取单边谱 spectrum np.fft.rfft(windowed, nn_fft) magnitude np.abs(spectrum) * 2.0 / np.sum(window) freqs np.fft.rfftfreq(n_fft, d1.0/fs) # 4. 估计噪声基底用中位数滤波平滑幅值谱 noise_floor median_filter(magnitude, size51) noise_floor np.maximum(noise_floor, 1e-12) # 避免除零 # 5. 计算信噪比并找局部极大值 snr magnitude / noise_floor peak_indices, _ signal.find_peaks(snr, heightnoise_factor, distance3) # 6. 过滤低频干扰 peaks [] for idx in peak_indices: f freqs[idx] if f min_freq: continue peaks.append({ freq_hz: round(float(f), 3), amplitude: round(float(magnitude[idx]), 6), snr: round(float(snr[idx]), 2) }) # 按幅值降序排列 peaks.sort(keylambda x: x[amplitude], reverseTrue) return peaks # 模拟一段含故障特征的信号做验证 fs 12800 t np.arange(0, 3.0, 1.0/fs) fr 25.0 # 转频 25Hz # 构造含 3 倍转频和 157Hz 轴承特征的信号 sig (1.0 * np.sin(2*np.pi*fr*t) 0.3 * np.sin(2*np.pi*3*fr*t) 0.15 * np.sin(2*np.pi*157*t) 0.05 * np.random.randn(len(t))) peaks extract_spectral_peaks(sig, fs) for p in peaks[:5]: print(f频率: {p[freq_hz]} Hz, 幅值: {p[amplitude]}, SNR: {p[snr]})这段代码的关键参数有三个。n_fft 决定频率分辨率8192 点在 12.8kHz 采样下给出 1.56Hz 分辨率对大多数电机故障够用。noise_factor 控制峰值筛选的严格程度3.0 是经验值噪声大的现场可以调到 4.0 或 5.0。min_freq 用来跳过直流和低频漂移一般设 5Hz 或 10Hz。median_filter 的 size 参数需要根据谱线密度调整。size51 意味着用 51 个频率点的中位数作为该点的噪声估计对应约 80Hz 的窗口宽度。如果谱峰很密集这个窗口可能把真实峰也平滑掉需要减小 size。反过来如果噪声基底起伏大增大 size 更稳。3.3 批量处理与数据集入库单条数据跑通之后要处理的是成百上千条记录。批量处理的核心是统一参数、统一格式、统一命名。我一般会写一个批处理脚本遍历原始数据目录对每条记录调用提取函数然后把结果写入统一的 JSON 文件。import os import json import numpy as np from datetime import datetime def build_dataset(raw_dir, output_path, fs12800, n_fft8192): 批量构建频谱特征数据集 raw_dir: 原始数据目录每个文件一条记录 output_path: 输出 JSON 路径 dataset [] files sorted([f for f in os.listdir(raw_dir) if f.endswith(.npy)]) for fname in files: filepath os.path.join(raw_dir, fname) waveform np.load(filepath) # 从文件名解析元信息命名规则: 电机代号_故障类型_负载率_序号.npy parts fname.replace(.npy, ).split(_) meta { sample_id: fname.replace(.npy, ), motor_code: parts[0], fault_type: parts[1], load_rate: float(parts[2]), timestamp: datetime.now().isoformat() } peaks extract_spectral_peaks(waveform, fs, n_fft) record { meta: meta, peaks: peaks, peak_count: len(peaks), dominant_freq: peaks[0][freq_hz] if peaks else None } dataset.append(record) with open(output_path, w, encodingutf-8) as f: json.dump(dataset, f, ensure_asciiFalse, indent2) print(f共处理 {len(dataset)} 条记录写入 {output_path}) return dataset # 使用示例 # dataset build_dataset(./raw_data, ./spectral_dataset.json)命名规则是批量处理里最容易被忽视但影响最大的环节。文件名里带上电机代号、故障类型、负载率解析时就不需要额外的标注文件。如果原始数据没有规范命名建议先写个重命名脚本统一格式再跑批处理。输出用 JSON 而不是 CSV是因为谱峰列表是变长数组JSON 天然支持嵌套后续要转 CSV 再展平也不迟。入库之后建议做一次完整性检查统计每类故障的样本数、检查是否有空谱峰记录、验证频率范围是否合理。这些检查用几行 pandas 代码就能完成但能避免后面训练时才发现数据有问题。4. 避坑与排查频谱数据集构建中最容易翻车的五个地方4.1 采样率不够导致特征频率混叠现象轴承故障特征频率在 4kHz 附近但频谱上怎么都找不到对应谱峰反而在低频段出现莫名其妙的峰。原因采样率只有 5.12kHz奈奎斯特频率 2.56kHz4kHz 的特征频率发生混叠折叠到了 1.12kHz 附近。解决根据关心的最高特征频率反推采样率至少取特征频率的 2.5 倍。轴承故障建议 12.8kHz 起步如果同时关心高频共振解调25.6kHz 更稳妥。4.2 窗函数选择不当造成谱峰幅值失真现象同一台电机同一工况两次采集的谱峰幅值差 30% 以上但转速和负载都没变。原因一次用了矩形窗一次用了 Hanning 窗。矩形窗主瓣窄但旁瓣高Hanning 窗主瓣宽但旁瓣低对幅值的影响不同。解决数据集构建过程中固定用一种窗推荐 Hanning 窗。如果要做幅值精确对比还需要做窗函数增益补偿除以窗函数的相干增益。4.3 噪声基底估计被强谱峰带偏现象正常样本提取出几百个谱峰明显偏多。原因中位数滤波的窗口太宽把真实谱峰也当成了噪声基底的一部分导致噪声估计偏高信噪比整体偏低阈值筛选失效。解决减小 median_filter 的 size或者改用分位数滤波。另一个办法是先做一次粗筛把明显的大峰去掉再估计噪声基底。4.4 标签体系不统一导致跨批次数据无法合并现象第一批数据用“轴承故障”做标签第二批用“外圈故障”“内圈故障”分开标合并时对不上。原因标签体系没有提前定义好不同人不同时间标注标准不一致。解决动手采集之前先定好标签枚举表写进项目文档所有批次共用。如果已经出现了不一致写映射脚本统一转换转换规则要记录在案。4.5 工况参数缺失导致模型学到虚假关联现象分类模型在测试集上准确率 95%换一台电机就掉到 60%。原因训练集里故障样本全部在高负载下采集正常样本全部在低负载下采集模型学到的是负载率而不是故障特征。解决采集时保证每种故障类型在不同负载率下都有样本至少覆盖 30%、60%、100% 三档。数据集里负载率字段必须完整训练时可以做工况归一化或者把负载率作为独立特征输入。5. 让数据集真正可用验证方法与一个实用技巧数据集建好之后怎么判断它是不是真的能用我一般做两个验证。第一个是物理一致性检查随机抽若干样本看提取出的主谱峰频率是否和理论特征频率对得上。比如标注为轴承外圈故障的样本主谱峰应该在 BPFO 附近误差不超过频率分辨率的 2 倍。如果对不上要么是标签错了要么是提取参数有问题。第二个是分类可分性验证。用简单的 KNN 或 SVM 在谱峰特征上跑一遍交叉验证看类间距离是否足够大。如果准确率低于 70%说明特征区分度不够需要回到提取环节调整参数或者补充更多工况的样本。这个验证不需要复杂模型简单模型跑不通深度学习也救不了。from sklearn.model_selection import cross_val_score from sklearn.neighbors import KNeighborsClassifier from sklearn.preprocessing import StandardScaler import numpy as np def validate_dataset(dataset, n_peaks20): 用 KNN 做快速可分性验证 dataset: build_dataset 的输出 n_peaks: 每条样本取前 n 个谱峰的频率和幅值作为特征 X, y [], [] for record in dataset: peaks record[peaks][:n_peaks] # 特征: 前 n 个峰的频率和幅值交替排列 feat [] for p in peaks: feat.extend([p[freq_hz], p[amplitude]]) # 不足 n 个峰的用零填充 while len(feat) n_peaks * 2: feat.append(0.0) X.append(feat) y.append(record[meta][fault_type]) X np.array(X) y np.array(y) scaler StandardScaler() X_scaled scaler.fit_transform(X) clf KNeighborsClassifier(n_neighbors5) scores cross_val_score(clf, X_scaled, y, cv5, scoringaccuracy) print(f5 折交叉验证准确率: {scores.mean():.3f} (/- {scores.std():.3f})) return scores.mean() # validate_dataset(dataset)这个验证脚本用前 20 个谱峰的频率和幅值作为特征跑 5 折交叉验证。如果准确率在 85% 以上说明数据集的特征区分度不错可以进入模型训练阶段。如果在 70%–85% 之间可能需要增加谱峰数量或者补充工况维度。低于 70% 就要回头检查标签质量和提取参数了。一个实用技巧在谱峰特征里加入频率的归一化比值比如把每个峰的频率除以转频得到“阶次”特征。阶次特征对转速变化不敏感跨工况泛化能力更强。具体做法是在提取谱峰时同时记录转频入库时增加一个 order 字段值为 freq_hz / fr。这样即使电机转速有波动同一故障的阶次特征仍然稳定。这个改动很小但对数据集的可迁移性提升明显。我自己踩过的最大坑是早期贪图样本数量把不同负载率下的数据混在一起不做标注结果模型在变负载场景下完全失效。后来老老实实把负载率字段补全训练时按工况分层采样效果才稳定下来。数据集这件事字段设计的完备性比样本数量重要得多前期多花一小时想清楚要记哪些参数后面能省掉一周的返工。希望帮到你。本文还有配套的精品资源点击获取
