最强解析！CWRU轴承数据集Python实战：从数据加载到模型部署全流程

关注

VIP免费原创最新推荐文章于 2026-03-29 10:39:33 发布 358 阅读 AI 写同款· GEO 优化 ›

1. 从零开始：为什么CWRU轴承数据集是故障诊断的“必修课”？

如果你刚接触工业设备的故障诊断，或者想找一个经典、干净、又足够有挑战的数据集来练手，那凯斯西储大学的这个轴承数据集，绝对是你的不二之选。我刚开始做这个方向的时候，也试过不少公开数据，但要么数据量太小，要么工况太单一，要么就是数据格式乱七八糟，预处理就得花掉一大半时间。CWRU轴承数据集不一样，它就像教科书里的标准例题，结构清晰，背景明确，几乎成了这个领域论文和项目的“基准线”。你去看任何一篇关于旋转机械故障诊断的顶会文章，十有八九都会用它来做性能对比。所以，搞定它，你不仅是在完成一个项目，更是在掌握一套行业通用的“语言”和“标尺”。

这个数据集到底好在哪？首先，它非常“真实”。数据是在一个真实的实验台架上采集的，模拟了电机驱动端和风扇端的轴承在不同负载（0到3马力）下运行的状态。故障类型也覆盖得很全，从最轻微的单点损伤（比如轴承内圈、外圈、滚动体上有一个小坑），到更严重的复合故障都有。传感器采集的是振动信号，这是工业现场最常用、也最有效的监测手段之一。其次，它非常“干净”。数据已经按不同的故障位置、故障尺寸（从0.007英寸到0.021英寸）、电机负载和采样频率（12kHz和48kHz）分门别类地整理好了。你不需要自己去猜测哪个文件对应什么状态，省去了大量数据清洗和标注的麻烦。这对于我们快速搭建原型、验证算法想法来说，简直是天大的福音。

那么，这个实战项目要做什么？我们的目标很明确：用Python构建一个端到端的轴承故障诊断系统。从把那一堆.mat数据文件读进内存开始，到把它们变成模型能“吃”的格式，再到设计并训练一个能准确识别“健康”、“内圈故障”、“外圈故障”、“滚动体故障”的智能模型，最后把这个模型打包保存，甚至做成一个简单的Web应用来演示。整个过程，我会把我踩过的坑、试过的好方法、以及那些让代码跑得更稳的小技巧，都毫无保留地分享给你。不管你是数据科学新手，还是想在这个领域深耕的算法工程师，跟着这个流程走一遍，你都能获得一个可以直接复用到自己项目里的“工业级”模板。

2. 数据加载与预处理：把“原始振动”变成“规整表格”

拿到数据的第一步，千万别急着往模型里塞。很多新手项目效果不好，问题往往就出在数据准备的草率上。CWRU的数据文件是MATLAB的.mat格式，这在科研领域很常见。我们用Python的scipy.io库就能轻松读取。

import numpy as np
import pandas as pd
from scipy.io import loadmat
import os

# 假设你的数据放在 ‘CWRU/‘ 目录下，结构是：驱动端/12k驱动端轴承数据/...
data_path = ‘CWRU/12k驱动端轴承数据/‘
file_list = os.listdir(data_path)

# 我们先加载一个文件看看结构
sample_file = ‘97.mat‘  # 例如，97对应的是驱动端内圈故障，0.007英寸损伤，1马力负载
sample_data = loadmat(os.path.join(data_path, sample_file))

# 查看这个.mat文件里有什么键
print(sample_data.keys())

你会发现，文件里通常包含一个类似‘X097_DE_time‘的键，其对应的值就是一个长长的振动信号序列。这里DE代表驱动端加速度计数据。我们需要把这个一维时间序列信号，以及它的标签（健康还是哪种故障）提取出来。

但这里有个关键点：我们不能直接用整个长时间序列去训练。一个信号文件可能有几十万甚至上百万个点，直接扔进模型计算量巨大，而且序列太长，模型也很难学到有效的局部特征。标准的做法是进行滑动窗口分割。想象一下，你用一把固定长度的尺子，在长长的信号带上滑动，每次截取一小段，这一小段就是一个样本。这样，一个长文件就能生成成百上千个训练样本，极大地扩充了数据量。

def segment_signal(data, window_size, step_size):
    """将一维信号按滑动窗口分割成多个样本"""
    segments = []
    num_samples = len(data)
    for start in range(0, num_samples - window_size + 1, step_size):
        segment = data[start:start + window_size]
        segments.append(segment)
    return np.array(segments)

# 假设我们读取了振动信号 ‘signal‘ 和对应的标签 ‘label‘
window_size = 1024  # 每个样本的长度，也是后续模型输入的长度。这个值需要根据信号频率和故障特征周期来调整。
step_size = 512     # 滑动步长，步长越小，生成的样本越多，但样本间相关性也越大。

segments = segment_signal(signal, window_size, step_size)
# 此时 segments 的形状是 (n_samples, window_size)
# 为每一个segment都赋予相同的标签 label
labels = np.full(len(segments), label)

接下来是数据标准化。振动信号的幅值可能因为负载不同而有很大差异，为了不让模型被这些量纲差异所误导，我们需要对每个特征（这里是信号的每个时间点）进行标准化，通常使用Z-score标准化，即减去均值再除以标准差，使得数据分布接近均值为0，标准差为1。

from sklearn.preprocessing import StandardScaler

# 假设我们已将所有样本堆叠成一个大矩阵 all_segments，形状为 (total_samples, window_size)
scaler = StandardScaler()
# 注意：拟合时应该只使用训练集数据，避免数据泄露
scaler.fit(train_segments)
train_segments_scaled = scaler.transform(train_segments)
test_segments_scaled = scaler.transform(test_segments)

最后，别忘了划分