摘要多传感器数控刀具磨损数据集是一个面向智能制造、预测性维护和工业过程监测的专业数据集主要用于数控机械加工过程中刀具磨损状态的实时识别与预测数据集概述多传感器数控刀具磨损数据集是一个面向智能制造、预测性维护和工业过程监测的专业数据集主要用于数控机械加工过程中刀具磨损状态的实时识别与预测。该数据集围绕刀具在切削过程中的运行状态采集了多种传感器信号并配套提供刀具磨损标签既能够反映刀具当前健康状态也能够支持对磨损趋势的建模分析。由于同时包含连续磨损值和离散磨损等级该数据集既适合进行刀具健康评估也适合开展分类、回归和时间序列建模研究。数据结构与关键特征该数据集的核心内容由多传感器测量信号和目标标签两部分组成。传感器数据包括三轴切削力信号Fx、Fy、Fz、三轴振动信号X、Y、Z以及声发射AE信号这些特征能够从不同角度刻画刀具在加工过程中的受力、振动和高频磨损特征。目标标签包括连续型变量 VB_mm用于表示后刀面磨损量单位为毫米以及离散型磨损等级如“健康”“中等”“磨损”用于反映刀具健康状态。数据集兼具多模态、时序性和标签完整性能够支持对刀具状态进行更细粒度的监测与分析。应用价值与研究方向该数据集可广泛应用于刀具磨损预测、刀具寿命评估、设备预测性维护、加工质量监测以及智能制造系统优化等方向。研究人员可以利用传统机器学习方法或深度学习模型对多传感器时序信号进行特征提取与融合构建刀具磨损分类模型和连续磨损量回归模型。同时该数据集也适合用于研究多源传感器信息融合、异常检测、剩余寿命预测、在线健康监测以及工业数字孪生等问题为智能加工车间的自动化决策、维护调度和生产效率提升提供重要的数据支撑。数据集来源由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-379文件大小280K原创声明本数据集为整理作品