摘要齿轮箱故障诊断数据集包含 20 个振动信号文件使用 SpectraQuest 模拟器4 个传感器2 种状态健康/断齿10 个负载等级0%-90%专为工业预测性维护和机器学习应用设计。数据集简介数据集概述齿轮箱故障诊断数据集Gearbox Fault Diagnosis Dataset是一个专为机械工程领域特别是工业环境中应用机器学习而设计的振动数据集。机械工程领域的数据集较少特别是专门用于工业环境机器学习应用的数据集。该数据集使用 SpectraQuest 齿轮箱故障诊断模拟器记录振动数据填补了 Kaggle 上此类数据集的空白为社区提供了宝贵的工业预测性维护资源。数据集专为学习在工业设施中应用机器学习进行预测性维护的基础知识而设计。数据集包含使用 SpectraQuest 齿轮箱故障诊断模拟器记录的振动数据集。数据采集设置使用 4 个振动传感器放置在 4 个不同方向在负载从 0% 到 90% 变化的条件下记录数据以 10% 为步长。数据集包含 2 种场景(1) 健康状态Healthy condition齿轮箱正常运行状态(2) 断齿状态Broken Tooth Condition齿轮箱断齿故障状态。数据文件总共 20 个文件其中 10 个文件来自健康齿轮箱10 个文件来自断齿齿轮箱。每个文件对应从 0% 到 90% 的给定负载以 10% 为步长即每种状态下有 10 个不同负载等级0%, 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90%。数据特征4 个振动传感器 × 2 种状态 × 10 个负载等级 20 个数据文件。支持齿轮箱故障诊断、二元分类健康 vs 断齿、振动信号分析、时间序列分析、预测性维护、机器学习模型训练SVM、随机森林、神经网络、CNN、LSTM、特征提取、信号处理FFT、小波变换、工业设备健康监测、智能制造和工业 4.0 应用。数据集来源来源于 OpenEIhttps://openei.org/datasets/dataset/gearbox-fault-diagnosis-data使用 SpectraQuest 齿轮箱故障诊断模拟器记录4 个振动传感器4 个方向2 种状态健康/断齿10 个负载等级0%-90%步长 10%20 个文件10 健康 10 断齿专为预测性维护和工业机器学习设计。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-158文件大小28M原创声明本数据集为整理作品