简介面向机械设备健康监测、故障诊断与预测性维护研究者的齿轮箱故障数据集适用于机器学习、深度学习模型训练及工业现场异常检测场景。数据包含振动信号、声音记录、温度、扭矩和速度等多类测量参数覆盖无故障、齿面点蚀、三齿磨损等典型工况并附有10kHz采样振动数据和频谱、波形可视化结果便于开展时频分析、特征提取与故障分类建模。压缩包共15个文件以MATLAB数据文件.mat、频谱/波形图片.png、Python分析脚本.py为主辅以数据解读文本、转速对照表.csv和相关论文.pdf整体大小约5.91MB结构紧凑兼顾数据、代码与文档说明。目前已有840人浏览学习。通过这套资源读者既能获得原始实验数据与预处理脚本又能参考可视化图谱快速理解故障特征结合说明文档可复现从振动信号到故障识别的完整流程是故障诊断入门、课程实验和算法对比的实用数据集。 做设备状态监测和数据诊断的同行应该都体会过这种血压飙升的瞬间现场那边反复叮嘱数据很宝贵想跑都跑不回来你拿到手一个名为齿轮箱故障数据.zip的压缩包双击下去却弹出一句failed to copy spatial iop zip或者更直接的invalid zip archive: could not find eocd。数据就在包里但解压链路在第一步就断了。这篇文章就是围绕这一类场景写的从拿到齿轮箱故障数据zip包开始到最终完成初步故障判定完整走一遍我在实际项目里的处理流程。内容包括zip包完整性检查与修复、分卷压缩和密码问题的合规处理、齿轮箱振动数据的文件解析、以及真正用到故障诊断上的时域频域分析思路。适合刚接触设备健康管理、准备用公开数据集或现场采集数据做分析的同学参考也适合被zip文件损坏反复折磨的工程师收藏备用。1. 先别急着解压为什么这个zip总在报EOCD错误1.1 zip文件的目录页到底长什么样很多人遇到could not find eocd就直接判了压缩包死刑其实这个报错不代表数据真的丢了。要想搞明白得先知道zip文件的结构。一个正常zip包的尾部会有一块固定的区域叫EOCDEnd of Central Directory中文可以理解为中央目录结尾记录。它保存了整个压缩包的关键索引信息文件个数、中央目录偏移量、压缩包是否分卷等相当于一本书的目录和页码。解压软件打开zip时第一步不是去读每个文件的数据块而是先定位到文件末尾找这块EOCD记录。找不到软件就不知道这本书一共多少页、目录在哪里自然就会报错。所以could not find eocd的本质是压缩包的尾部索引区丢失或偏移了但前面的文件数据块大概率还是完整的。这个认知很关键它决定了后面的修复策略——不是直接放弃而是想办法把索引重建出来或者手工绕过去。1.2 引起EOCD找不到的四种常见场景根据我这些年的经验EOCD损坏或者找不到大多数不是压缩软件写出来的问题而是传输和应用环境导致的。第一种最常见文件下载或拷贝不完整。尤其是通过聊天工具传到手机再转到电脑或者网页下载到一半断网zip包可能是截断的尾部直接缺失。你在现场拷回来的齿轮箱故障数据如果U盘提前拔掉、或者Windows的优化快速删除没生效就弹出也有可能出现这种情况。第二种文件被第三方软件改动过。有些网盘客户端、杀毒软件在后台扫描时会修复文件头尾甚至直接把zip重新封装结果把原来的EOCD搞丢了。热搜里的solidworks安装failed to copy spatial iop zip就是典型的安装包被安全软件拦截后尾部缺失。第三种分卷压缩处理不当。把zip拆成多个分卷比如 .z01、.z02如果没有完整下载所有分卷就尝试解压也会报找不到EOCD——因为EOCD通常放在最后一个分卷里。这个我在后面会展开。第四种文件被当成文本文件打开过一次并保存字符编码被破坏。这个比较隐蔽但如果你手滑用记事本打开过zip然后点了保存那整个文件基本就废了修复难度极大。1.3 一套完整的zip完整性检查与修复流程拿到数据包后我现在的固定动作是先做病历检查而不是直接双击解压。第一步用哈希值确认文件是不是原本那个。数据提供方如果给了SHA-256或MD5值就用命令行算一遍比对。Windows下可以打开PowerShell运行Get-FileHash .\齿轮箱故障数据.zip -Algorithm SHA256Linux或macOS下用sha256sum 齿轮箱故障数据.zip如果算出来的值和原始值对不上说明文件在传输或存储过程中被动过后面怎么做都要先跟数据提供方确认。第二步用工具层面的打开测试做快速体检。7-Zip打开压缩包后按AltT或者选择菜单里的测试它会逐个文件校验CRC。这一步能明确告诉你损坏范围是个别文件还是整体结构损坏。如果只是个别文件CRC错误通常能解压出其他完好文件坏文件单独处理。第三步针对could not find eocd做修复。我比较推荐的做法是先试7-Zip的打开方式很多情况下7-Zip对尾部缺失的容忍度比系统自带解压高它能在没有EOCD的情况下强制列出文件。依次点击文件菜单里的打开压缩包选择损坏的压缩包选项往往能看到文件列表并强行解压。这招在U盘拷贝截断的场景下成功率很高。如果7-Zip也读不出中央目录再考虑用DiskInternals ZIP Repair这类专业修复工具。但要注意这类工具修复的原理是扫描文件中的数据块并重建索引耗时较长而且对已经覆盖写入的损坏基本无效。我的建议是先试免费工具和7-Zip强开不行再找专业工具实在不行就回到数据源头重新拷贝别在修复上耗太久。注意我见过不少人在zip修复上死磕一整天最后发现是源文件在采集系统里就没导出完整。齿轮箱故障数据的现场采集往往依赖特定采集设备导出的zip包里如果直接包含数据库文件或大量零散二进制文件损坏后的修复价值确实存在但性价比通常不高。优先级永远是联系源头、重新传输、在全省份备份。2. 解压环节的硬骨头密码、分卷与编码2.1 密码保护的合规处理思路数据包带密码的情况在工程现场不少尤其是涉及外协单位或设备供应商提供的故障数据加密是为了控制扩散范围。热搜里经常看到zip密码移除zip无视密码直接解压的说法这里我得泼点冷水。zip的加密机制分两种。老式的ZipCrypto算法存在已知弱点某些工具确实可以在拿到足够多已知明文的情况下快速破解而多数专业压缩工具现在默认使用AES-256加密这个强度对当前算力来说基本不可行。网上那些宣称无视密码直接解压的软件要么只对ZipCrypto有效要么是挂羊头卖狗肉。真正合规高效的做法是向压缩包创建者确认密码——尤其是工业数据绕开授权做破解本身有合规风险完全不值得。我自己的习惯是收到加密的齿轮箱数据包先看文件名和邮件沟通记录确认密码来源。如果是同行发来但忘了附密码直接联系索要如果是历史存档找不到密码会在团队内部记录清楚这个包加密原因、经手人再决定是否动用恢复手段。整个过程留痕避免后续说不清。2.2 z01分卷压缩的合并与解压数据量大是齿轮箱振动采集的常态一套测点连续采集几个小时动辄几十GB。这时候对方传过来的就不是一个简单的.zip而是一组.z01、.z02加最后一个.zip的分卷包。网上经常有人说z01文件没有zip怎么办其实就是分卷没集齐。分卷解压的正确逻辑是所有分卷放同一个目录文件名前缀一致双击最后一个.zip文件即可自动合并解压。注意三点分卷包不能手动改扩展名合并成一个zip不能单独解压某个分卷下载缺一卷就解压失败还会报上面提到的EOCD问题——因为EOCD只在最后一个分卷里。如果你在Linux服务器上干活没有图形界面可以通过命令行合并cat 齿轮箱故障数据.z01 齿轮箱故障数据.z02 齿轮箱故障数据.zip 齿轮箱故障数据_full.zip然后尝试用unzip或者Python的zipfile模块读取整合后的文件。注意这样拼出来的文件部分解压器不认但python的zipfile配合ZipFile对象的_RealGetContents逻辑有时候能处理。更稳妥的是用7-Zip的命令行7z x 齿轮箱故障数据.zip它自己会找同目录下的分卷不推荐手动合并。这里我的实操建议是下载完成后先把所有分卷按序号排好确认数量无误再解压。少一个文件就回去重新下载几乎不存在部分解压的合理性。2.3 文件名乱码跨平台zip的编码之痛工程数据跨平台传输zip中文文件名乱码极其常见。Windows带的压缩工具默认使用GBK编码写入文件名而Linux和macOS的解压工具默认按UTF-8解码于是解压出来的文件名全是锟斤拷之类的乱码。数据本身没问题但文件路径乱套之后后续脚本批量处理直接跪在路径上。我的解决办法是尽量用7-Zip统一压缩和解压并在压缩时选择UTF-8编码。如果接手的是已经乱码的包Linux下可以用工具重新编码lsar 齿轮箱故障数据.zip # 先列出原始文件名编码 bsdtar -xvf 齿轮箱故障数据.zip --options zip:charsetCP936在Windows上Bandizip的自动检测编码功能也能解决大部分乱码问题。处理完文件名第一时间把目录结构截个图存证方便后面分析时对照命名规则。对于齿轮箱数据这种需要按测点、按工况分类处理的包来说文件名一旦乱套整个自动化流程就得推倒重来这一步别图省事。3. 数据包里的天地齿轮箱故障数据应该怎么读3.1 从目录结构反推传感器布置方案成功解压之后先别急着跑代码花半小时把目录结构通读一遍你能反推出很多信息。工业现场的齿轮箱故障数据通常按实验台/设备编号 → 工况条件 → 测点位置 → 数据文件这个层级来组织。看到目录里有input_shaft、output_shaft、gear_mesh这样的命名基本能判断传感器分别布置在输入轴、输出轴和齿轮啮合区附近。有些数据集会附带一个README.txt或.csv格式的说明文件里面标注了齿轮箱型号、齿数、电机转速、负载扭矩、采样率、传感器灵敏度。这部分信息是整个诊断的地基没有它后面所有特征频率计算都是空中楼阁。如果压缩包内没有说明文档也不代表没法做。你可以从文件名反推比如10Hz_0Nm_AC3这样的命名大概率是转速10Hz、零负载、加速度计3号位。我见过不少工业数据包靠文件名约定就能还原出完整的实验矩阵。整理出一张测点—文件名—工况对照表后面分析时随时查比反复翻目录高效得多。3.2 时间、转速、载荷三个必须先看的元数据字段很多同学拿到数据就画频谱图画完对着谱峰一脸迷茫。我踩过这个坑后的教训是在碰数据之前先把时间基准、转速基准、载荷基准这三个元数据字段搞清楚。时间基准包括采样率和采样时长。这里有个常被忽略的坑zip包里的信号文件可能是全部采集时长的一部分某个文件对应的真实时间段得看文件名里的时间戳。如果你用整段数据做FFT而中间包含变速升降速区间频谱会被抹平特征频率根本不清晰。转速基准尤其重要。齿轮箱特征频率啮合频率、轴转频、边频带全都要用实时转速计算。如果zip包里没有转速通道但实验条件里写了恒定转速30Hz那可以用电机转频近似如果是变转速工况就必须依赖键相通道或者转速计信号否则后期做阶次分析无从谈起。载荷基准则决定了齿轮的啮合状态。同一套故障模型零负载和额定负载下的振动特征差异巨大。轻负载下齿面可能不脱啮故障冲击不明显重负载下冲击特征更突出但同时可能掩盖某些早期故障征兆。所以数据包里每个文件对应的载荷值必须写进样本标签里。3.3 振动数据文件的常见格式与读取方法齿轮箱振动数据的存储格式五花八门最常见的几种我列一下读取思路。CSV/文本格式最好处理一般是多列数值每一列对应一个通道第一行可能是列名。用pandas直接读import pandas as pd df pd.read_csv(AC1_10Hz_0Nm.csv) print(df.head()) print(df.columns)MAT文件常见于MATLAB采集平台SciPy的loadmat可以直接读取from scipy.io import loadmat mat loadmat(gearbox_fault.mat) print(mat.keys())还有一种是从LMS、BK等采集系统导出的专有格式比如.lms、.uff。这种文件需要配套的解析库或者先让数据提供方转成通用格式。我之前遇到过一个包数据是.dat后缀但实际内部是二进制块这时候就得看README里有没有帧格式说明没有的话先祭出hexdump看看文件头特征。读取之后第一件事永远是做数据体检计算数据的均值、方差、最大值、最小值检查是否有通道接反、饱和削顶、长期漂移。这些脏数据问题用matplotlib把时域波形画出来一眼就能看得七七八八。记住在数据质量没确认之前任何诊断结论都不可靠。4. 从原始波形到故障初判一次完整的齿轮箱数据分析4.1 数据预览与稳态段截取数据体检通过之后我会先画出整段数据的时域波形概览确定哪些区段是稳态工况。稳态段的判断标准是转速基本恒定、幅值包络没有大的趋势性波动。手动选段可以用matplotlib的交互模式缩放拖动选出一段干净信号然后按索引截取。截取时长没有绝对标准但做FFT频谱分析频率分辨率等于采样率除以点数。如果你采样率是20kHz想得到1Hz的频率分辨率就需要至少20000个点。一般我会截取2到4秒的稳态信号做几次平均频谱既能保证分辨率又能通过平均压低随机噪声。假设采样率fs 20000截取3秒import numpy as np fs 20000 t_start 2.0 t_end 5.0 start_idx int(t_start * fs) end_idx int(t_end * fs) segment signal[start_idx:end_idx]4.2 时域上的冲击痕迹与调制现象时域波形能直接看到的典型特征有两个周期冲击和幅值调制。齿轮断齿或严重剥落时啮合过程中故障齿参与啮合会产生一次冲击冲击间隔等于该轴的转频周期。比如输出轴转频是10Hz那么时域波形上每0.1秒出现一次明显尖峰。计算冲击间隔的方式很直观找包络信号的峰值位置算两个相邻峰的时间差再转成频率。幅值调制表现为波形包络像波浪一样起伏这个波浪的频率通常等于故障轴的转频。听上去抽象你把整体波形缩小看轮廓如果轮廓呈现周期性鼓包那就是调制的迹象。此时把包络信号做一次FFT能看到调制频率出现在低频段这个频率对应哪根轴故障就在哪根轴上。这里有个容易误判的点时域冲击未必都是故障。齿轮啮合本身就有冲击尤其在大扭矩工况下正常啮合冲击幅值也不小。所以时域只能做初筛一定要结合频域谱和特征频率一起下结论。4.3 频谱与边频带齿轮故障的签名频域分析是齿轮箱故障诊断的核心。先计算幅值谱重点是观察啮合频率附近的情况。啮合频率的计算公式是啮合频率 f_m 小齿轮齿数 Z1 × 小齿轮轴转频 f_1 大齿轮齿数 Z2 × 大齿轮轴转频 f_2正常齿轮的频谱上啮合频率及其2倍、3倍谐波会比较明显但边频带很弱。齿轮出现局部缺陷断齿、点蚀坑后啮合频率两侧会长出一簇等间隔的边频带间隔等于故障轴的转频。用Python做幅值谱很简洁from scipy.fft import rfft, rfftfreq N len(segment) win np.hanning(N) spectrum np.abs(rfft(segment * win)) * 2 / np.sum(win) freqs rfftfreq(N, 1/fs) # 找啮合频率附近的局部峰值 mesh_freq 24 * 10 # 假设输入轴齿数24、转频10Hz band (freqs mesh_freq - 50) (freqs mesh_freq 50)边频带的宽度、幅值分布能进一步区分故障严重程度。早期磨损的边频带幅值低靠近啮合频率严重断齿时边频带幅值变大数量变多频谱看起来像在啮合频率周围张开了一把梳子。注意提取边频带之前要做频谱平均否则单帧FFT的噪声底会掩盖低幅值边频。5. 齿轮箱常见故障在数据里的不同表现5.1 断齿、磨损、点蚀的频谱差异三种常见故障在频谱上的签名有比较明显的差异我整理成表格方便对照。故障类型时域特征频谱特征包络谱特征断齿/裂纹明显的周期冲击间隔轴转频啮合频率边频带丰富边频幅值高转频及其谐波突出均匀磨损时域整体幅值上升冲击性不强啮合频率幅值增大谐波增多边频较乱无明显单一突出谱线点蚀/剥落局部冲击伴随一定周期性有边频带但通常没有断齿那么宽故障特征频率谐波出现判断故障类别时我建议先看时域冲击的周期性是否稳定。稳定的周期冲击往往对应局部缺陷杂乱无章、幅值整体抬高的则更可能指向分布式磨损。5.2 齿轮故障与轴承故障的区分要点轴承外圈、内圈故障的故障特征频率和齿轮转频不同但工程上容易搞混的原因是齿轮故障冲击会激起轴承固有频率共振包络谱上出现低频成分容易被误判为轴承故障信号。区分有两条路。一条路是用精确的轴承故障频率公式计算外圈BPFO、内圈BPFI、滚动体BSF、保持架FTF分别比对包络谱峰值位置。另一条路是依赖齿轮箱结构先验如果边频带间隔恰好等于某根轴的转频优先考虑齿轮问题如果峰值频率对应轴承故障特征频率而非任何轴的整数倍转频再考虑轴承问题。从实际项目来看齿轮箱的轴承故障往往会被误诊为齿轮磨损因为两者都会导致整体振动水平上升。我在处理这类数据时习惯同一个测点同时计算原始频谱、包络谱和倒频谱三个视角交叉验证。倒频谱在识别齿轮边频带的家族间隔时特别好用它能把你需要找的等间隔边频带转成一个单峰。5.3 初判之后特征量化与报告输出完成初步定性判断后要落到可量化的指标上不然没法跟历史数据对比。我常用的量化指标有时域的均方根值、峭度、峰值因数频域的啮合频率幅值、边频带总能量、边频带与啮合频率的比值包络谱中故障特征频率幅值占噪声底的比例。峭度对冲击信号非常敏感正常齿轮数据峭度接近3出现明显冲击时峭度会跳到5以上甚至更高但峭度容易受单次突发噪声干扰所以我都会配合时域波形一起看防止误判。最后把这些指标整理成一张表和频谱图一起输出。输出频谱图时我会在图上直接标注出转频、啮合频率、边频带间隔并标出计算出的理论值方便后续复查和他人核对。另外处理完一个zip数据包后我会把所有解压文件、脚本、输出图、结论文件夹按日期_设备编号_故障类型的方式归档同时保留原始zip的哈希值记录。这样无论是复查还是追溯采集来源都有据可依。拿到齿轮箱故障数据.zip之后从解压失败的慌乱到完成诊断结论的踏实中间隔着的就是一套有条不紊的处理流程。我在实际项目里最大的体会是zip损坏、分卷缺失、编码乱码这些周边问题看着琐碎却经常决定整个分析项目能不能按时交付。宁可花时间把解压、校验、元数据梳理做得扎扎实实也不要一上来就急着画频谱图。等你在一个又一个数据包里摸清了齿轮箱振动信号的脾气回头再看那个曾经让你手足无措的could not find eocd就会觉得它不过是一道流程上的小坎罢了。本文还有配套的精品资源点击获取
