当前位置：首页 > news >正文

电机热成像故障诊断数据集

news 2026/8/1 0:32:10

摘要：电机热成像故障诊断数据集是一个专门用于电机状态监测、故障检测和预测性维护研究的双模态数据库，整合了热成像图像和音频信号两种互补的传感器数据，涵盖电机在多种运行条件下的正常和故障状态。该数据集包含369张热成像图像（173张故障图像和196张无故障图像）以及369段音频信号（173段故障录音和196段无故障录音），每个样本同时提供热成像和音频两种模态的数据，实现了传感器数据的时间同步和对齐。数据集采用二分类标注体系，明确区分故障（Fault）和无故障（No-Fault）两种状态。

数据集简介

数据集概述

数据集的核心特色在于其双模态设计和数据的完整对应关系。热成像模态通过红外热像仪采集电机运行时的表面温度分布，正常运行时呈现均匀的温度场，而故障状态下会出现局部过热、温度梯度异常等热异常模式，这些热特征与轴承磨损、绕组短路、不平衡负载、冷却系统故障等典型电机故障密切相关。音频模态通过声学传感器记录电机运行噪音，正常运行时音频呈现稳定的周期性模式，故障状态下会出现异常频率成分、振幅变化或不规则噪声。数据集包含173对故障样本和196对无故障样本，样本量适中且类别相对平衡（故障占47%，无故障占53%），每个样本的热成像和音频数据严格对应，支持多模态融合学习。

电机热成像故障诊断数据集为工业智能运维和预测性维护研究提供了宝贵的双模态数据资源，特别是在智能制造、能源电力、交通运输等依赖电机驱动的关键领域具有重要应用价值。研究人员可利用该数据集开展电机故障类型分类、多模态特征融合、早期故障预警、剩余寿命预测、异常检测、迁移学习等多个方向的研究工作。热成像和音频两种模态的结合提供了从”看”和”听”两个维度感知电机健康状态的能力，两者的融合能够弥补单一传感器的局限性，实现更全面、更可靠的故障诊断。该数据集对于推动工业设备从传统的定期维护向预测性维护、从事后维修向预防性维护的转变具有重要推动作用。

数据集来源

本数据集包含369对双模态电机监测数据（173对故障、196对无故障），每对数据由热成像图像（捕捉温度分布异常）和音频信号（检测声学异常）组成，采用二分类标注，涵盖轴承、绕组、转子不平衡等典型电机故障类型，通过热-声双模态融合为电机故障检测、预测性维护和工业智能运维提供数据支撑。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。