1.MFPT（机械故障预防技术学会）
NRG Systems总工程师Eric Bechhoefer博士代表MFPT组装和准备数据。
数据链接：（https://mfpt.org/fault-data-sets/）
声学和振动数据库链接（http://data-acoustics.com/measurements/bearing-faults/bearing-2/）
MATLAB 文档关于MFPT轴承数据的故障诊断举例。
连接（https://ww2.mathworks.cn/help/predmaint/examples/Rolling-Element-Bearing-Fault-Diagnosis.html）
一些对数据描述的论文
Lee D, Siu V, Cruz R, et al. Convolutional neural net and bearing fault analysis[C]//Proceedings of the International Conference on Data Mining (DMIN). The Steering Committee of The World Congress in Computer Science, Computer Engineering and Applied Computing (WorldComp), 2016: 194.
说明： 该数据集包括来自轴承试验台的数据(名义轴承数据、各种载荷下的外圈故障、各种载荷下的内圈故障)和三个实际故障。
☆3个基线条件:270磅负载，输入轴速率为25赫兹，采样速率为97,656 sps，持续6秒
☆3个外圈故障情况:负载270磅，输入轴转速25 Hz，采样率97,656 sps，持续6秒
☆7个外圈故障工况:负载25、50、100、150、200、250、300磅，输入轴转速25 Hz，采样率48828 sps，持续3秒(发现轴承共振小于20 kHz)
☆7个内圈故障工况:0、50、100、150、200、250、300磅负载，输入轴转速为25 Hz，采样速率为48828 sps，持续3秒
还包括三个真实世界示例文件:一个来自风力涡轮机的中间轴轴承(数据结构包含轴承速率和轴速率)、一个来自风力涡轮机的油泵轴轴承和一个真实世界的行星轴承故障)。
**
2.CWRU（凯斯西储大学轴承数据中心）
**
数据下载连接（https://csegroups.case.edu/bearingdatacenter/pages/welcome-case-western-reserve-university-bearing-data-center-website）
其中University of New South Wales 的Wade A. Smith在2015年进行了比较全面的总结和对比[1]。比较客观的综述和分析了使用数据进行诊断和分析研究的情况。
[1]mith W A, Randall R B. Rolling element bearing diagnostics using the Case Western Reserve University data: A benchmark study[J]. Mechanical Systems and Signal Processing, 2015,64-65:100-131.
官方网站提供的是.mat格式的数据，MATLAB直接使用比较方便。
Github上有人分享了**在python中自动下载和使用的方法。**https://github.com/Litchiware/cwru
R语言中使用的方法：https://github.com/coldfir3/bearing_fault_analysis
Smith W A, Randall R B. Rolling element bearing diagnostics using the Case Western Reserve University data: A benchmark study[J]. Mechanical Systems and Signal Processing, 2015,64-65:100-131.
