用Python搞定FEMTO-ST轴承数据集的完整处理流程（附Matlab代码对比）

Python与Matlab双视角解析FEMTO-ST轴承数据集处理实战

轴承健康监测是工业预测性维护的核心场景之一。FEMTO-ST研究所发布的IEEE PHM 2012挑战赛数据集，作为该领域的基准测试数据，包含了轴承全寿命周期的高频振动与温度监测记录。对于刚接触该数据集的研究者和工程师而言，如何高效处理这些多维时间序列数据，直接影响后续特征工程和退化建模的效果。本文将用Python生态工具链完整演示从数据加载到初步分析的流程，并与传统Matlab方案进行实用性对比。

1. 数据集架构与Python预处理策略

FEMTO-ST数据集包含三种工况下的轴承运行数据，每种工况下又分为训练集(Learning_set)、测试集(Test_set)和全寿命数据集(Full_Test_set)。数据以CSV格式存储，命名规则为：

• 振动数据：acc_[轴承编号].csv（如acc_1_1.csv）
• 温度数据：temp_[轴承编号].csv（如temp_1_5.csv）

Python处理这类结构化时序数据的优势在于其丰富的数据操作库。我们首先用pathlib构建跨平台的文件路径处理：

from pathlib import Path import pandas as pd import numpy as np data_dir = Path('PHM2012/Full_Test_Set') bearing_id = '1_1' # 示例轴承编号 # 构建文件路径 vib_path = data_dir / f'acc_{bearing_id}.csv' temp_path = data_dir / f'temp_{bearing_id}.csv'

与Matlab需要手动修改脚本中的文件路径不同，Python的路径对象可以自动适应不同操作系统。对于批量处理多个轴承数据的情况，可以轻松扩展：

bearing_ids = ['1_1', '1_2', '1_3'] # 轴承ID列表 vib_dfs = { bid: pd.read_csv(data_dir / f'acc_{bid}.csv') for bid in bearing_ids }

2. 振动信号的专业化解析技巧

原始振动数据的采样频率高达25.6kHz，每个文件包含多个采集批次（每10秒采集0.1秒，即2560个点）。Python的Pandas库可以高效处理这种高维数据：

def parse_vibration(file_path): """解析振动CSV文件为结构化DataFrame""" df = pd.read_csv(file_path, header=None) # 添加时间戳（假设从0开始） sample_rate = 25600 # 25.6kHz df['timestamp'] = np.arange(len(df)) / sample_rate # 重命名列（水平/垂直方向振动） df.columns = ['horizontal', 'vertical', 'timestamp'] return df vib_df = parse_vibration(vib_path)

与Matlab的矩阵操作相比，Pandas提供了更丰富的时间序列处理方法。例如计算振动信号的滚动RMS值：

window_size = 2560 # 对应0.1秒窗口 vib_df['rms_h'] = ( vib_df['horizontal'] .rolling(window_size, center=True) .apply(lambda x: np.sqrt(np.mean(x**2))) )

可视化对比可以使用Matplotlib结合Seaborn：

import matplotlib.pyplot as plt import seaborn as sns plt.figure(figsize=(12, 6)) sns.lineplot(data=vib_df.iloc[::100], # 降采样显示 x='timestamp', y='rms_h') plt.title(f'Bearing {bearing_id} Vibration RMS') plt.xlabel('Time (s)') plt.ylabel('Acceleration (g)')

3. 温度信号的时序对齐与融合

温度数据的采样频率为10Hz，与振动信号存在显著的时间尺度差异。Python的resample方法可以优雅地解决这个问题：

temp_df = pd.read_csv(temp_path, header=None, names=['temperature']) temp_df['timestamp'] = np.arange(len(temp_df)) / 10 # 10Hz采样 # 将温度数据重采样到振动数据的时间戳 combined_df = vib_df[['timestamp', 'rms_h']].copy() combined_df['temp_resampled'] = ( temp_df.set_index('timestamp')['temperature'] .reindex(vib_df['timestamp'], method='ffill') .values )

这种数据融合方式在Matlab中需要编写复杂的插值代码，而Python借助Pandas的索引操作可以一行完成。对于长期趋势分析，我们可以进一步计算小时级统计量：

# 按小时聚合 hourly_stats = combined_df.set_index('timestamp').resample('1H').agg({ 'rms_h': ['mean', 'max', 'std'], 'temp_resampled': 'mean' })

4. 性能优化与大数据处理技巧

当处理多个轴承的全寿命数据时，内存管理变得至关重要。Python提供了多种优化方案：

方案一：分块处理（适合中等规模数据）

chunk_size = 10**6 # 每块1百万行 vib_chunks = pd.read_csv(vib_path, chunksize=chunk_size, header=None) for chunk in vib_chunks: process_chunk(chunk) # 自定义处理函数

方案二：Dask并行处理（适合超大规模数据）

import dask.dataframe as dd ddf = dd.read_csv(vib_path, header=None) result = ddf.groupby(ddf.index // 2560).apply( lambda x: np.sqrt(np.mean(x**2)), meta=('rms', 'f8') ).compute()

与Matlab相比，Python的并行计算生态更加丰富。下表对比了两种语言的处理效率：

5. 特征工程扩展与自动化流水线

基于处理好的基础数据，我们可以构建特征提取流水线。以下示例使用tsfresh自动生成时域特征：

from tsfresh import extract_features from tsfresh.utilities.dataframe_functions import roll_time_series # 创建滚动窗口数据集 rolled = roll_time_series( combined_df[['timestamp', 'rms_h']], column_id="id", column_sort="timestamp", max_timeshift=1000 ) # 自动提取特征 features = extract_features( rolled, column_id="id", column_sort="timestamp", default_fc_parameters=EfficientFCParameters() )

对于需要与Matlab协作的场景，可以使用scipy.io进行数据交换：

from scipy import io # 保存为Matlab兼容格式 io.savemat('features.mat', { 'time': combined_df['timestamp'].values, 'rms': combined_df['rms_h'].values, 'temp': combined_df['temp_resampled'].values })

在实际项目中，建议将整个处理流程封装为可复用的Pipeline类：

class BearingDataPipeline: def __init__(self, data_dir): self.data_dir = Path(data_dir) self.cache = {} def process_bearing(self, bearing_id): """端到端处理单个轴承数据""" vib_df = self._load_vibration(bearing_id) temp_df = self._load_temperature(bearing_id) combined = self._align_data(vib_df, temp_df) features = self._extract_features(combined) return features # 各步骤方法实现...

这种面向对象的设计模式，比Matlab的脚本式编程更易于维护和扩展。特别是在需要处理多种不同轴承配置时，可以通过继承创建特定工况的处理子类。