BJTU-RAO转向架数据集：轨道交通故障诊断领域的重要公开数据集

作者及发表信息
本文由北京交通大学（Beijing Jiaotong University, BJTU）主导的多机构团队合作完成，通讯作者为IEEE高级会员Yong Qin教授。研究团队包括来自BJTU轨道交通控制与安全国家重点实验室、美国西新英格兰大学工业工程系、北京仪器仪表经济技术研究所、纽约大学坦登工程学院的学者。论文于2025年3月19日发表在IEEE Access期刊，数字对象标识符（DOI）为10.1109/ACCESS.2025.3551603。

学术背景与研究目标
轨道交通作为现代城市交通的核心，其安全性与可靠性至关重要。转向架（bogie）作为列车的关键子系统，其传动系统（包括驱动齿轮箱、轴箱和牵引电机）的健康状态直接影响列车运行安全。然而，现有公开故障数据集（如CWRU轴承数据集、PU轴承数据集等）多针对单一旋转部件（如轴承或齿轮），缺乏针对列车传动系统多组件耦合故障的高质量数据。为此，BJTU团队发布了全球首个面向列车传动系统的公开故障数据集——BJTU-RAO Bogie Datasets，旨在为故障诊断算法开发、预测性维护（predictive maintenance, PM）及算法评估提供标准化数据支持。

数据集的核心内容与构建方法
1. 实验平台设计
- 平台按1:2比例复现真实地铁转向架结构，包含三相异步电机、减速齿轮箱、轴箱及电液负载装置，模拟列车直线行驶与弯道工况。
- 传感器部署高度还原实际列车监测点，采集 24通道信号，包括三轴振动加速度（vibration acceleration）、三相电流（three-phase current）、转速（rotational speed）及声强（sound intensity），采样频率统一为64 kHz。

1. 故障类型与工况覆盖

   • 故障模拟：通过人工损伤（如电火花加工、机械刻蚀）在电机、齿轮箱和轴箱上引入 51种健康状态（1种正常状态 + 50种故障状态），涵盖单故障（如齿轮断齿）、组件级复合故障（如齿轮箱轴承内圈故障与齿轮磨损共存）及系统级复合故障（如电机短路与轴箱轴承故障并发）。
     
   • 工况多样性：每种状态在 9种工作条件 下采集数据，包括不同电机转速（模拟列车速度变化）和横向载荷（0 kN、±10 kN，模拟直线与弯道受力）。
     

2. 数据组织与公开性

   • 数据集以CSV文件存储，按健康状态标签分类，每个样本包含10秒时长数据。文件命名规范为：数据监测对象_健康状态标签_电机转速_横向载荷.csv。
     
   • 数据可通过百度网盘或Google Drive公开下载，并已纳入中国国家标准GB/T 43555—2023《智能服务—预测性维护—算法评价方法》的测试数据库。
     

数据集的技术特点与优势
1. 专业性
- 实验平台设计基于真实转向架参数，传感器部署与列车实际监测点一致，确保数据工程适用性。
- 故障类型设计参考实际列车运维中的常见失效模式，如齿轮箱的齿根裂纹（root cracks）和轴承的电蚀损伤（electric discharge machining）。

1. 全面性

   • 信号类型：同时包含振动、电流、声学等多源传感数据，支持多模态融合诊断（multimodal fusion）。
     
   • 故障复杂度：首次覆盖系统级复合故障，为研究耦合故障传播机制提供数据基础。对比现有数据集（如CWRU仅含轴承单点故障），BJTU-RAO在故障多样性和工况覆盖上显著领先。
     

2. 应用验证

   • 该数据集已成功用于2024年全球可靠性与PHM会议（PHM Conference）的数据挑战赛，吸引160支国际团队参与。
     
   • 多项研究基于该数据集验证了新算法，例如：
     
     • Wang等提出的 精细化时移多尺度相位熵（refined time-shift multi-scale phase entropy） 框架，实现了轴箱轴承故障的高精度诊断。
       
     • Lin等开发的 信息融合增强域自适应注意力网络（IF-EDAAN），在无监督迁移诊断中取得突破。
       

科学价值与行业意义
1. 学术层面
- 填补了列车传动系统多组件故障数据集的空白，为复杂系统故障机理研究提供基准。
- 支持深度学习、图神经网络（graph neural network, GNN）等新兴算法在轨道交通领域的落地验证。

1. 工业层面
   
   • 推动列车运维从“定期检修”向 预测性维护（PHM） 转型，降低非计划停运风险。
     
   • 为中国工业数字化转型提供技术范例，例如通过数字孪生（digital twin）实现故障实时预警。
     

创新亮点
- 全球首个列车传动系统公开数据集，涵盖多组件耦合故障与多工况数据。
- 高分辨率多传感同步采集（64 kHz采样率），保留高频故障特征。
- 标准化设计：数据标签与文件夹结构规范化，便于算法横向对比。

展望
团队计划持续扩展数据集，纳入更多实际运营中的故障模式（如润滑劣化、疲劳裂纹扩展数据），并探索数据驱动的全生命周期管理（life cycle management）方法。这一资源将加速轨道交通智能化研究的国际合作。