Error code:   ConfigNamesError
Exception:    TypeError
Message:      Value.__init__() missing 1 required positional argument: 'dtype'
Traceback:    Traceback (most recent call last):
                File "/src/services/worker/src/worker/job_runners/dataset/config_names.py", line 67, in compute_config_names_response
                  config_names = get_dataset_config_names(
                      path=dataset,
                      token=hf_token,
                  )
                File "/usr/local/lib/python3.14/site-packages/datasets/inspect.py", line 161, in get_dataset_config_names
                  dataset_module = dataset_module_factory(
                      path,
                  ...<4 lines>...
                      **download_kwargs,
                  )
                File "/usr/local/lib/python3.14/site-packages/datasets/load.py", line 1217, in dataset_module_factory
                  raise e1 from None
                File "/usr/local/lib/python3.14/site-packages/datasets/load.py", line 1192, in dataset_module_factory
                  ).get_module()
                    ~~~~~~~~~~^^
                File "/usr/local/lib/python3.14/site-packages/datasets/load.py", line 700, in get_module
                  config_name: DatasetInfo.from_dict(dataset_info_dict)
                               ~~~~~~~~~~~~~~~~~~~~~^^^^^^^^^^^^^^^^^^^
                File "/usr/local/lib/python3.14/site-packages/datasets/info.py", line 284, in from_dict
                  return cls(**{k: v for k, v in dataset_info_dict.items() if k in field_names})
                File "<string>", line 20, in __init__
                File "/usr/local/lib/python3.14/site-packages/datasets/info.py", line 170, in __post_init__
                  self.features = Features.from_dict(self.features)
                                  ~~~~~~~~~~~~~~~~~~^^^^^^^^^^^^^^^
                File "/usr/local/lib/python3.14/site-packages/datasets/features/features.py", line 1993, in from_dict
                  obj = generate_from_dict(dic)
                File "/usr/local/lib/python3.14/site-packages/datasets/features/features.py", line 1574, in generate_from_dict
                  return {key: generate_from_dict(value) for key, value in obj.items()}
                               ~~~~~~~~~~~~~~~~~~^^^^^^^
                File "/usr/local/lib/python3.14/site-packages/datasets/features/features.py", line 1593, in generate_from_dict
                  return class_type(**{k: v for k, v in obj.items() if k in field_names})
              TypeError: Value.__init__() missing 1 required positional argument: 'dtype'

Need help to make the dataset viewer work? Make sure to review how to configure the dataset viewer, and open a discussion for direct support.

🛠️ PHM-Vibench振动信号基准数据库

🔗 数据获取平台

PHM-Vibench 是一个全面的工业设备振动信号分析基准平台，该项目是其中用到的数据，专注于机械故障诊断和预测性维护研究。

📋 目录

📊 项目概览
🗂️ 数据集目录
🚀 快速开始
📋 详细数据集信息
📁 项目结构
🤝 如何贡献
📜 更新日志
📚 引用 · Citation
📄 许可证

📊 项目概览

PHM-Vibench是一个包含多个轴承故障诊断数据集的集合项目。该项目收集了来自全球多个研究机构的轴承振动数据，用于机械故障诊断和预测性维护研究。

技术特性

数据规模: 平台发布 83.6GB（34 个文件，详见 published_manifest.json）；原始/本地源数据 163GB+（不上传）
数据集数量: 18 个已发布 H5 数据集（RM_010_SEU 同时含轴承与齿轮子集）+ 齿轮箱 RM_101_THU_GEARBOX 本地已采集（下一周期发布）
样本总数: 49,000+ 个振动样本
故障类型: 正常、内圈故障、外圈故障、滚动体故障、复合故障等
数据格式: .mat, .csv, .xlsx, .h5 等多种格式，整合成h5文件
采样频率: 6Hz - 512kHz 范围
应用场景: 机械故障诊断、预测性维护、状态监测

数据集统计

统计项	数值
📁 已发布 H5	18 个轴承数据集（+齿轮箱 `RM_101` 本地待发布）
📊 样本总数	49,000+
💾 数据大小	平台发布 83.6GB（34 个文件）；原始/本地源数据 163GB+（不上传）
🏭 已采集测试台	23 个（其中 4 个尚未发布 H5）
🌍 来源国家	中国、美国、加拿大、德国、意大利等

已采集但尚未发布 H5 的测试台：RM_011_pump、RM_019_HIT、RM_025_KAIST、RM_026_HUST23。

🗂️ 数据集目录

🔍 轴承故障数据集总览

下表为已发布的 18 个 H5 数据集（RM_010_SEU 同时包含轴承与齿轮子集，故第 9、14 行为同一文件的两个子集¹，文件仍计为 1 个 H5）。每个数据集的详细规格见下方详细数据集信息折叠块。

¹ 第 14 行为 RM_010_SEU.h5 内的齿轮子集，并非独立文件；表中编号到 19 但发布文件数为 18。

序号	数据集名称	缩写	VB_name	开源状态
1	凯斯西储大学	CWRU	RM_001_CWRU	✅ 经典开源
2	西安交通大学	XJTU	RM_002_XJTU	✅ 开源
3	FEMTO-ST 研究所	FEMTO	RM_003_FEMTO	✅ 开源
4	IMS 齿轮轴承数据	IMS	RM_004_IMS	✅ 开源
5	渥太华大学 2023	Ottawa23	RM_005_Ottawa23	✅ 开源
6	清华大学	THU	RM_006_THU	✅ 开源
7	MFPT 学会	MFPT	RM_007_MFPT	✅ 开源
8	新南威尔士大学	UNSW	RM_008_UNSW	✅ 开源
9	东南大学（轴承）	SEU	RM_010_SEU	✅ 开源
10	越南河内（susu）	susu	RM_015_susu	✅ 开源
11	江南大学	JNU	RM_016_JNU	✅ 开源
12	渥太华大学 2019	Ottawa19	RM_017_Ottawa19	✅ 开源
13	清华大学 2024	THU24	RM_018_THU24	✅ 开源
14	东南大学（齿轮）¹	SEU	RM_010_SEU	✅ 开源
15	都灵理工大学	DIRG	RM_020_DIRG	✅ 开源
16	哈工大 2023	HIT23	RM_023_HIT23	✅ 开源
17	江苏科技大学	JUST	RM_024_JUST	✅ 开源
18	华科 2024	HUST24	RM_031_HUST24	✅ 开源
19	帕德博恩大学	PU	RM_027_PU	✅ 开源

RM_006_THU（清华）与 RM_018_THU24（清华 2024）为非开源子集，已随仓库发布用于基准复现，使用时请遵循其原始数据来源说明并联系相应作者。

🔍 齿轮箱数据集总览

齿轮箱数据集 RM_101_THU_GEARBOX（5.5GB）已在本地采集，计划于下一发布周期（v-next）上线，本期暂未发布；对应的 gear_metadata.xlsx 将同期发布。

🚀 快速开始

1. 选择平台下载

PHM-Vibench 在 ModelScope 和 Hugging Face 同步发布。推荐先查看 published_manifest.json,再下载 metadata.xlsx 和一个小数据文件确认环境,最后按需下载具体 RM_*.h5。

为避免误走本机代理或镜像造成额外流量，仓库提供的下载脚本会清除 HTTP_PROXY / HTTPS_PROXY / ALL_PROXY 及常见 Hugging Face 自定义 endpoint 环境变量，固定使用官方平台 endpoint，并为 Hugging Face SDK 配置不读取环境代理的 HTTP session。

前置要求:需要 Python 3.8+。若系统默认 python 指向 Python 2,请改用 python3;建议在虚拟环境中操作（如 python -m venv .venv && source .venv/bin/activate）。

先做不联网自检（下列自检命令不需要任何第三方包,在未安装依赖时也能运行）:

python scripts/download_phm_vibench.py --list-files
python scripts/download_phm_vibench.py --platform modelscope --preset demo --dry-run
python scripts/download_phm_vibench.py --platform hf --preset demo --dry-run

--list-files 会列出所有发布文件和估算大小;--dry-run 只打印计划,不会发起网络请求。若要给脚本读取文件索引,使用 python scripts/download_phm_vibench.py --list-files --json;该命令同样不访问网络。若要给脚本读取某次下载计划,使用 --dry-run --json;输出中 network_request 固定为 false。 --platform modelscope 可简写为 --platform ms;--platform hf 也接受 --platform huggingface。

安装本地工具和读取示例所需依赖:

python -m pip install -r requirements.txt

# ModelScope: 默认只下载 metadata.xlsx
python scripts/download_phm_vibench.py --platform modelscope --out data/PHM-Vibench

# Hugging Face: 默认只下载 metadata.xlsx
python scripts/download_phm_vibench.py --platform hf --out data/PHM-Vibench

查看平台发布清单:

python scripts/download_phm_vibench.py --platform modelscope --file published_manifest.json --out data/PHM-Vibench
python scripts/download_phm_vibench.py --platform hf --file published_manifest.json --out data/PHM-Vibench

published_manifest.json 包含双平台 endpoint/revision、metadata / docs / demo / all 预设和数据集到 H5 文件的映射,可供下游脚本直接读取。

下载 metadata、README、manifest 和辅助脚本等小文件,不下载 H5:

python scripts/download_phm_vibench.py --platform ms --preset docs --dry-run
python scripts/download_phm_vibench.py --platform ms --preset docs --out data/PHM-Vibench
python scripts/download_phm_vibench.py --platform huggingface --preset docs --out data/PHM-Vibench

下载一个小型示例文件:

python scripts/download_phm_vibench.py --platform modelscope --preset demo --out data/PHM-Vibench
python scripts/download_phm_vibench.py --platform hf --preset demo --out data/PHM-Vibench

下载指定数据集:

python scripts/download_phm_vibench.py --platform modelscope --dataset RM_006_THU --out data/PHM-Vibench
python scripts/download_phm_vibench.py --platform hf --dataset RM_006_THU --out data/PHM-Vibench

# 可一次选择多个数据集;数据集名大小写不敏感
python scripts/download_phm_vibench.py --platform ms --dataset rm_006_thu,RM_007_MFPT --dry-run

--dataset 会自动带上 metadata.xlsx;如果只想下载 H5 文件,加 --no-metadata。 --file 也支持重复传入或逗号分隔,例如 --file README.md,published_manifest.json。

下载后可做本地校验;该命令不需要平台参数,也不会访问网络:

python scripts/download_phm_vibench.py --verify-local --out data/PHM-Vibench --file metadata.xlsx
python scripts/download_phm_vibench.py --verify-local --out data/PHM-Vibench --dataset RM_006_THU

校验输出会汇总 checked / ok / missing / size_mismatch 和缺失文件总大小,方便判断还差多少内容。

--verify-local 校验的是 --out 指向的目录中的文件。该目录应是你下载时传入的 --out（默认 PHM-Vibench）；若直接在已克隆/已下载的仓库根目录校验，请传 --out 指向该目录（例如 --out .），否则脚本会在当前目录下查找子目录 PHM-Vibench。

执行 --preset demo 后,可快速检查已下载的 metadata 和 H5 样本:

python scripts/inspect_phm_vibench.py --root data/PHM-Vibench --list-datasets
python scripts/inspect_phm_vibench.py --root data/PHM-Vibench --smoke
python scripts/inspect_phm_vibench.py --root data/PHM-Vibench --dataset RM_007_MFPT

--smoke 会在本地已下载的发布 H5 中选择最小的一个做样本检查,只读本地文件,不访问网络。

全量下载（约 90 GB，即 83.6 GiB / 34 个文件）,需要显式确认:

python scripts/download_phm_vibench.py --platform modelscope --preset all --dry-run
python scripts/download_phm_vibench.py --platform hf --preset all --dry-run

python scripts/download_phm_vibench.py --platform modelscope --preset all --yes --out data/PHM-Vibench
python scripts/download_phm_vibench.py --platform hf --preset all --yes --out data/PHM-Vibench

前两条只打印全量下载计划和估算大小,不会访问网络;真正下载必须额外加 --yes。

2. 读取 metadata 和 H5

from pathlib import Path

import h5py
import pandas as pd

root = Path("data/PHM-Vibench")  # 应与下载时传入的 --out 一致；在仓库根目录直接使用时改为 Path(".")
meta = pd.read_excel(root / "metadata.xlsx")

# 选择某个数据集的一条样本记录
row = meta[meta["Name"].eq("RM_007_MFPT")].iloc[0]
sample_id = str(int(row["Id"]))

with h5py.File(root / "RM_007_MFPT.h5", "r") as f:
    signal = f[sample_id][:]

print(row[["Id", "Name", "Label", "Sample_rate", "Sample_lenth", "Channel"]])
print(signal.shape)

3. 直接使用 SDK

更推荐使用上面的下载脚本。若必须直接调用平台 SDK,也应在 Python 进程内清理代理和 HF mirror endpoint;Hugging Face 还需要显式配置不读取环境代理的 HTTP session。

Hugging Face:

import os

NETWORK_REDIRECT_KEYS = (
    "HTTP_PROXY",
    "HTTPS_PROXY",
    "ALL_PROXY",
    "http_proxy",
    "https_proxy",
    "all_proxy",
    "HF_ENDPOINT",
    "HF_HUB_ENDPOINT",
    "HUGGINGFACE_HUB_BASE_URL",
)
for key in NETWORK_REDIRECT_KEYS:
    os.environ.pop(key, None)
os.environ["NO_PROXY"] = "*"
os.environ["no_proxy"] = "*"

import requests
from huggingface_hub import configure_http_backend
from huggingface_hub import hf_hub_download


def no_proxy_backend() -> requests.Session:
    session = requests.Session()
    session.trust_env = False
    session.proxies = {}
    return session


configure_http_backend(backend_factory=no_proxy_backend)

hf_hub_download(
    repo_id="PHMbench/PHM-Vibench",
    repo_type="dataset",
    filename="metadata.xlsx",
    revision="main",
    local_dir="data/PHM-Vibench",
    endpoint="https://huggingface.co",
    proxies={},
)

ModelScope:

import os

NETWORK_REDIRECT_KEYS = (
    "HTTP_PROXY",
    "HTTPS_PROXY",
    "ALL_PROXY",
    "http_proxy",
    "https_proxy",
    "all_proxy",
    "HF_ENDPOINT",
    "HF_HUB_ENDPOINT",
    "HUGGINGFACE_HUB_BASE_URL",
)
for key in NETWORK_REDIRECT_KEYS:
    os.environ.pop(key, None)
os.environ["NO_PROXY"] = "*"
os.environ["no_proxy"] = "*"

from modelscope.hub.file_download import dataset_file_download

dataset_file_download(
    dataset_id="PHMbench/PHM-Vibench",
    file_path="metadata.xlsx",
    revision="master",
    local_dir="data/PHM-Vibench",
)

4. 维护者发布前自检

维护者在任何上传/删除前先做本地检查和 dry-run;这些命令不访问网络。

python scripts/check_publish_plan.py doctor
python scripts/check_publish_plan.py self-test
python scripts/check_publish_plan.py local-check
python scripts/check_publish_plan.py list-datasets
python scripts/check_publish_plan.py dry-run-upload --platform all
python scripts/check_publish_plan.py manifest
python scripts/publish_phm_vibench.py plan --platform all

dry-run-upload 和 publish_phm_vibench.py plan 同样默认清除代理和 HF mirror endpoint 环境变量,只打印计划,不会上传、下载或删除远端文件。真正发布需要显式确认:

python scripts/publish_phm_vibench.py execute --platform hf --file metadata.xlsx --yes --confirm NO_PROXY_UPLOAD

不传 --file 时会发布完整 rolling manifest;执行前务必先跑 plan。脚本会拒绝 manifest 外路径,并默认撤下 legacy metadata_*.xlsx。

发布后可做远端轻量核验;该命令只列远端文件并比对大小,不会上传或下载数据文件,但会访问平台 API,且同样默认清除代理和 HF mirror endpoint:

python scripts/check_publish_plan.py remote-verify --platform all

📋 详细数据集信息

点击展开所有数据集详细信息

1️⃣ 凯斯西储大学轴承数据集 (CWRU) - RM_001_CWRU

轴承型号: 🔩 SKF6205/SKF6203
转速范围: ⚙️ 1730~1797rpm
负载条件: ⚖️ 0hp,1hp,2hp,3hp
故障类型: ⚠️ 正常(NC),内圈故障(IF),滚动体故障(BF),外圈故障(OF)
故障程度: 📏 0.007",0.014",0.021"
采样频率: 📶 12kHz,48kHz
采样时长: ⏱️ 40.325s
通道数量: 🔌 3
特别说明: 📝 NC,IF,BF,OF分别为正常，内圈故障，滚动体故障，外圈故障
引用文献: 📚 Rolling element bearing diagnostics using the case western reserve university data: A benchmark study

2️⃣ 西安交通大学轴承数据集 (XJTU) - RM_002_XJTU

轴承型号: 🔩 LDK UER204
转速范围: ⚙️ 2100/2250/2400rpm
负载条件: ⚖️ 12/11/10kN
故障类型: ⚠️ 内圈磨损/外圈磨损/外圈裂损/保持架断裂
故障程度: 📏 /
采样频率: 📶 25.6kHz
采样时长: ⏱️ 1.28s
通道数量: 🔌 2
引用文献: 📚 XJTU-SY滚动轴承加速寿命试验数据集解读

3️⃣ FEMTO-ST研究所数据集 (FEMTO) - RM_003_FEMTO

数据来源: 🔩 FEMTO-ST研究所
故障类型: ⚠️ 正常/内圈故障/外圈故障/滚动体故障
采样频率: 📶 25.6kHz
数据获取: ✅ 开源
引用文献: 📚 FEMTO-ST bearing data set benchmark

4️⃣ IMS齿轮轴承数据 (IMS) - RM_004_IMS

数据来源: 🔩 IMS测试台
故障类型: ⚠️ 正常/内圈故障/外圈故障/滚动体故障
采样频率: 📶 20kHz
数据获取: ✅ 开源
引用文献: 📚 IMS bearing data documentation

5️⃣ 渥太华大学2023数据集 (Ottawa23) - RM_005_Ottawa23

数据来源: 🔩 渥太华大学
故障类型: ⚠️ 正常/内圈故障/外圈故障/滚动体故障
采样频率: 📶 100kHz
数据获取: ✅ 开源
引用文献: 📚 Ottawa 2023 bearing dataset

6️⃣ 清华大学数据集 (THU) - RM_006_THU

轴承型号: 🔩 6204
转速范围: ⚙️ 1Hz,10Hz,15Hz
故障类型: ⚠️ 正常(NC),内圈故障(IF),滚动体故障(BF),外圈故障(OF)
故障程度: 📏 0.5mm
采样频率: 📶 20480Hz
采样时长: ⏱️ 60s
通道数量: 🔌 2
特别说明: 📝 一个通道为振动，一个通道为电压
数据获取: 🔒 非开源
引用文献: 📚 Piezoelectric energy harvester for rolling bearings with capability of self-powered condition monitoring

7️⃣ MFPT学会数据集 (MFPT) - RM_007_MFPT

轴承型号: 🔩 NICE轴承
转速范围: ⚙️ 25Hz
负载条件: ⚖️ 0-300lbs
故障类型: ⚠️ 正常/外圈故障/内圈故障
采样频率: 📶 97656/48828sps
采样时长: ⏱️ 3/6s
数据链接: 🔗 https://mfpt.org/fault-data-sets/
引用文献: 📚 MFPT bearing fault dataset

8️⃣ 新南威尔士大学数据集 (UNSW) - RM_008_UNSW

转速范围: ⚙️ 6Hz,12Hz,15Hz,20Hz
故障类型: ⚠️ 正常/内圈故障/外圈故障
采样频率: 📶 6Hz
通道数量: 🔌 6
特别说明: 📝 水平、垂直加速度，编码器信号，负载和转速信号
引用文献: 📚 A benchmark of measurement approaches to track the natural evolution of spall severity in rolling element bearings

9️⃣ 东南大学轴承数据集 (SEU) - RM_010_SEU

转速范围: ⚙️ 1200/1800rpm
负载条件: ⚖️ 0/2V
故障类型: ⚠️ 正常/滚动体/内圈/外圈/复合故障
采样频率: 📶 5120Hz
通道数量: 🔌 8
数据类型: 🔩 轴承故障数据
特别说明: 📝 电机振动、行星齿轮箱三轴振动、电机扭矩、平行齿轮箱三轴振动
引用文献: 📚 Highly-Accurate Machine Fault Diagnosis Using Deep Transfer Learning

1️⃣1️⃣ 越南河内 (susu) - RM_015_susu

数据来源: 🔩 苏州大学苏老师
故障类型: ⚠️ 正常/内圈故障/外圈故障/滚动体故障
采样频率: 📶 25.6kHz
数据获取: ✅ 开源
引用文献: 📚 苏州大学苏老师内部技术文档

1️⃣2️⃣ 江南大学数据集 (JNU) - RM_016_JNU

转速范围: ⚙️ 600/800/1000rpm
故障类型: ⚠️ 正常/内圈/外圈/滚动体故障
故障程度: 📏 0.3×0.25/0.5×0.15mm
采样频率: 📶 50kHz
采样时长: ⏱️ 20s
通道数量: 🔌 1
特别说明: 📝 单一加速度传感器在垂直方向采集
引用文献: 📚 Sequential fuzzy diagnosis method for motor roller bearing in variable operating conditions based on vibration analysis

1️⃣3️⃣ 渥太华大学2019数据集 (Ottawa19) - RM_017_Ottawa19

转速范围: ⚙️ 1700-2000rpm
负载条件: ⚖️ 0/400
故障类型: ⚠️ 正常/内圈/球/外圈/保持架故障
采样频率: 📶 42000Hz
采样时长: ⏱️ 10s
通道数量: 🔌 6
特别说明: 📝 四种转速变化下的故障数据
引用文献: 📚 University of ottawa constant load and speed rolling-element bearing vibration and acoustic fault signature datasets

1️⃣4️⃣ 清华大学2024数据集 (THU24) - RM_018_THU24

转速范围: ⚙️ 12/15/16/20Hz
故障类型: ⚠️ 正常/内圈/外圈/滚子/带状笼裂纹
引用文献: 📚 A hybrid triboelectric-piezoelectric smart squirrel cage with self-sensing and self-powering capabilities
数据获取: 🔒 非开源
特别说明: 📝 需联系清华大学秦朝烨老师

1️⃣5️⃣ 东南大学齿轮数据集 (SEU) - RM_010_SEU

转速范围: ⚙️ 1200/1800rpm
负载条件: ⚖️ 0/2V
故障类型: ⚠️ 正常/齿轮故障/复合故障
采样频率: 📶 5120Hz
通道数量: 🔌 8
数据类型: ⚙️ 齿轮故障数据
特别说明: 📝 行星齿轮箱三轴振动、电机扭矩、平行齿轮箱三轴振动
引用文献: 📚 Highly-Accurate Machine Fault Diagnosis Using Deep Transfer Learning

1️⃣6️⃣ 都灵理工大学数据集 (DIRG) - RM_020_DIRG

转速范围: ⚙️ 100-500Hz
负载条件: ⚖️ 100-500Hz
故障类型: ⚠️ 正常/内圈故障/滚子故障
故障程度: 📏 0/150/250/450μm
采样频率: 📶 51200Hz
采样时长: ⏱️ 10s
通道数量: 🔌 6
引用文献: 📚 The politecnico di torino rolling bearing test rig: Description and analysis of open access data

1️⃣7️⃣ 哈工大2023数据集 (HIT23) - RM_023_HIT23

数据来源: 🔩 哈尔滨工业大学
故障类型: ⚠️ 正常/内圈故障/外圈故障/滚动体故障
采样频率: 📶 25.6kHz
通道数量: 🔌 1
数据获取: ✅ 开源
引用文献: 📚 哈工大内部技术报告

1️⃣8️⃣ JUST大学数据集 (JUST) - RM_024_JUST

数据来源: 🔩 JUST大学
故障类型: ⚠️ 正常/内圈故障/外圈故障/滚动体故障
采样频率: 📶 25.6kHz
数据获取: ✅ 开源
引用文献: 📚 JUST大学技术文档

1️⃣9️⃣ 华科2024数据集 (HUST24) - RM_031_HUST24

数据来源: 🔩 华中科技大学
故障类型: ⚠️ 正常/内圈故障/外圈故障/滚动体故障/复合故障
采样频率: 📶 25.6kHz
通道数量: 🔌 多通道
数据获取: ✅ 开源
引用文献: 📚 华科2024技术报告

2️⃣0️⃣ 帕德博恩大学数据集 (PU) - RM_027_PU

数据来源: 🔩 德国帕德博恩大学
故障类型: ⚠️ 正常/内圈故障/外圈故障/滚动体故障/复合故障
采样频率: 📶 64kHz
通道数量: 🔌 多通道
特别说明: 📝 包含电流信号和振动信号
数据获取: ✅ 开源
引用文献: 📚 帕德博恩大学技术文档

📁 项目结构

PHM-Vibench/
├── README.md                      # 项目主文档（单一事实源，平台 dataset card）
├── LICENSE                        # Apache License 2.0
├── CITATION.cff                   # 数据集引用信息
├── CONTRIBUTING.md                # 贡献指南
├── CHANGELOG.md                   # 变更历史
├── CLAUDE.md                      # AI 助手上下文（事实以 README/scripts 源码为准）
├── RM_*.h5                        # 发布的规范 H5 数据文件（18 个轴承数据集）
├── metadata.xlsx                  # 唯一规范元数据文件
├── published_manifest.json        # 双平台发布文件清单（机器可读）
├── dataset_infos.json             # 平台 dataset 元数据 stub
├── requirements.txt               # 下载/读取/分析依赖
├── .gitattributes                 # 平台/LFS 属性，小 JSON 按普通文本发布
├── datainfo.py                    # legacy：元数据生成脚本（无 CLI，硬编码路径）
├── data_analysis.py               # legacy：UMAP 分析脚本（无 CLI，参数为源码常量）
├── upload.py                      # legacy：已停用（TOKEN=''），改用 scripts/publish_phm_vibench.py
├── data_analysis_interactive.ipynb# 交互式 UMAP 分析 notebook
├── scripts/                       # 用户/维护者工具（带 argparse 与无代理护栏）
│   ├── download_phm_vibench.py   # 双平台无代理下载工具
│   ├── inspect_phm_vibench.py    # 本地 metadata/H5 快速检查工具
│   ├── check_publish_plan.py     # 发布前本地检查 / dry-run / remote-verify
│   ├── publish_phm_vibench.py    # 显式确认后执行双平台发布
│   ├── phm_vibench_manifest.py   # 统一发布清单（库模块）
│   └── quick_check.py            # legacy：metadata_25_10_30 校验/修复（维护者用）
├── raw/                           # 本地原始数据目录，被 .gitignore 排除，不随平台发布
│   ├── RM_001_CWRU/ … RM_031_HUST24/   # 已发布 H5 的 18 个轴承数据集源数据
│   ├── RM_101_THU_GEARBOX/       # 齿轮箱数据（v-next 发布）
│   ├── RM_011_pump/              # 已采集，尚未发布 H5
│   ├── RM_019_HIT/               # 已采集，尚未发布 H5
│   ├── RM_025_KAIST/             # 已采集，尚未发布 H5
│   └── RM_026_HUST23/            # 已采集，尚未发布 H5
├── log/                           # 日志/维护记录
│   ├── README.md                 # 索引（指向 CHANGELOG.md 与 log/archive/）
│   └── archive/                  # 历史归档（stale，仅供追溯）
└── docs/
    └── archive/                  # 设计/决策归档（如跨平台同步方案）

🤝 如何贡献

我们欢迎社区贡献——报告问题、建议新数据集、订正元数据、改进工具与文档。完整流程（Issue 模板、数据/元数据贡献流程、PR 要求、本地自检命令）见 **CONTRIBUTING.md**。

📜 更新日志

变更历史见 **CHANGELOG.md**（原始维护记录归档于 log/archive/）。

📚 引用 · Citation

如在研究中使用 PHM-Vibench，请引用本数据集，并同时引用你所使用的各原始子数据集（每条 RM_* 的"引用文献"见上方详细数据集信息）。引用信息见 CITATION.cff，BibTeX 模板如下：

@dataset{phm_vibench,
  title       = {{PHM-Vibench}: A Vibration Signal Benchmark Dataset for Mechanical Fault Diagnosis and Prognostics},
  author      = {Qi Li},
  year        = {2026},
  version     = {2026.07.09},
  license     = {Apache-2.0},
  publisher   = {PHMbench},
  url         = {https://www.modelscope.cn/datasets/PHMbench/PHM-Vibench}
}

作者主页:https://liq22.github.io/ 。如有 PHM-Vibench 基准论文发表,请同时引用该论文。

📄 许可证

本项目采用 Apache License 2.0 许可证。各子数据集的原始 License 与使用约束以其来源说明为准（见各 RM_* 详细信息）。

Downloads last month: 103

Total file size:

89.7 GB