机电设备故障诊断数据集
1、数据概述
力学分析指标 1996年12月2日128指数 1996年12月2日dir泵-数据集 1996年12月2日dir旧版本
2、旧版本的索引
1996年12月2日203指数 1990年6月25日460243机械分析数据 1990年6月25日机械分析。名称 1990年6月25日27877机械分析。未使用实例
3、数据详细描述
来源: (a)数据库的原始所有者:
F. Bergadano, A. Giordana, L. Saitta, M. Botta
都灵大学，意大利 Corso Svizzera 185，都灵-电话(39)11 7712002 电子邮件:bergadan@itoinfo.bitnet
F. Bracadori, D. De Marchi
Sogesta, Localita' Crocicchio，乌尔比诺，意大利
(b)数据库捐助者:埃尼切姆(埃尼)、拉文纳至索格斯塔(埃尼)、乌尔比诺。 (c)收到日期:1990年6月 3. 过去的用法: (a) F. Bergadano, a . Giordana, L. Saitta, F. Brancadori, D. De Marchi: “真实领域的集成学习” 程序7 ML会议，奥斯汀得克萨斯州，1990 (b)预测属性的指示:类。 (c)研究结果说明:在论文中描述了研究结果。 4. 相关资料 我们不能每行放一个实例，因为 每个实例都包含许多组件 组件有8个属性，且数量为 不同的组件。 每个实例 然后在一个单独的文件中给出。 5. 实例数:209 6. 每个示例组件的属性数:8 7. 属性:
0 - dummy(总是1)-用于编号-忽略 1 - class -分类(1.. 6、同样适用于组件的一个例子) 2 - # -部件编号(整数) 3 -支撑-在采取措施的机器上的支撑(1..4) 4 - CPM -测量频率(整数) 5 -测量误差(实际) 6 - misr -早期测量(实际) 7 -过滤器，测量的类型和方向: {vo=<无过滤器，速度，水平>， Va =<无过滤器，速度，轴向>， Vv =<无过滤器，速度，垂直>， Ao =<无滤波器，振幅，水平>， Aa =<无滤波器，振幅，轴向>， Av =<无滤波器，振幅，垂直>， Io =<过滤器，速度，水平>， Ia =<过滤器，速度，轴向>， Iv =<过滤器，速度，垂直>} 8 - omega -机器的RPM(整数， 对于一个示例的组件也是一样的)
缺失属性值:无(当度量为 缺少，则不包含相应的组件 ，但对于包含的组件， 给出了所有属性) 9. 班级分布:69 69 14 13 16 28 然而，这种分类有时是错误的 要求每个例子只能给出一个类。 如果一个学习系统可以处理多种分类， “class”属性应该根据 文件“trueclass”中给出的信息。
文件THEORY包含了一个Horn特征理论 中报告的结果由ml-smart使用 “learn08。 Ambi(歧义)，学08。 错误(错误率)，学习 (混淆矩阵)”作为学习集。 类似的文件“test08。 表示两边,test08。 Err和test08。 垫”报告 测试集的结果。
“predicates.fr, semantics.fr”文件包含了操作 谓词的定义，它们是如何从 包含所有学习集的原始关系obj。 为了使数据集可用，从一个系统FOIL似的 谓词以扩展形式提出。 目录LEARN中包含的文件对应于这样的文件 学习集的扩展，而TEST中的扩展 对于测试集是一样的。 请注意，ML-SMART可以学习数值常数。 这里，扩展是使用默认值生成的 由老师建议!!!!!
关系中元组的格式如下: (a) F样本的标识符(见文件obj)。 (b)μ 断言的真实程度。 取值范围为0.5 到1.0。 这里的值可能只是布尔值(1.0)。 (c) X1, X2，… 项(组件)的数字标识符 例F，谓词中的变量被绑定到它。
4、下载获取数据
数据来源于网络，用于学习研究，获取方式
关注公众号52phm，回复机电设备数据即可获取数据下载链接。