关于XJTU-SY轴承数据集的组织方式

[hardlucky2023]

您好，首先非常感谢您提供的相关迁移学习应用于故障诊断的代码。关于您所提供的数据集我已经成功下载下来了，但是关于XJTU-SY轴承数据集的组织方式有一定的疑问，查看了官方关于此数据集的介绍之后，仍然不太清楚各种故障类型的组织方式。具体有以下几点疑问。
1、官方文件中只有各轴承的失效位置，并没有具体故障类型（比如失效位置是外圈，但具体故障类型不知道是外圈磨损还是外圈裂损）比如在工况1下，有Bearing1_1(外圈)，Bearing1_2(外圈)，Bearing1_3(外圈)，Bearing1_4(保持架)，Bearing1_5(内、外圈)；
2、另外我发现各工况采集的样本个数也有很大不同，这该怎么处理；
3、还有一个疑问是这个数据集采集的是由正常状态到故障状态的振动信号，这种信号感觉更加适用于剩余寿命预测，为什么也可也用于故障诊断呢？
所以针对以上问题，您是否可以提供一下XJTU-SY的具体组织方式，期待您的回复！

[Feaxure-fresh]

1. XJTU 的使用看个人的实验需要，如果没有能够将故障类型具体分类，可以做宽泛的分类处理，毕竟我也只是使用者，没办法给您提供除了官方内容外的额外信息。
2. 样本数量可以选择将每一个故障类型的样本平均化处理，本代码提供了该处理方式，您可以将 ./data_loader/load.py 或 conditional_load.py 中 dataset 类的 “balance_data=True”，如此设置代码在加载数据集时会向最少样本的故障类型做数据量对齐，但是会以抛弃一部分训练数据为代价。
3. XJTU 可以选择数据集在时间轴上开头的部分作为正常状态，末尾部分作为故障状态，从而将故障分类。至于每个状态的持续和切换时间是未知的，所以我是尽可能尝试保守选取。

[hardlucky2023]

好的，我明白了，谢谢您