README.md

metadata

license: mit
language:
  - zh
tags:
  - bolt-tightening
  - quality-detection
  - torque-angle
  - time-series
  - industrial-manufacturing
  - machine-learning
task_categories:
  - tabular-classification
pretty_name: Bolt Tightening Quality Detection Dataset
size_categories:
  - 1K<n<10K

螺栓拧紧质量智能检测数据集（Bolt Tightening Quality Detection Dataset）

自建数据集：面向重型机械装配车间螺栓拧紧工序，基于螺栓拧紧「力矩-转角」力学模型模拟生成，用于拧紧质量智能检测与工艺追溯系统的算法开发与验证。

数据集概述

• 用途：螺栓拧紧过程质量状态自动判定（5 类多分类任务）
• 样本规模：3000 条完整拧紧周期（基准集 1200 条 + 扩展集 1800 条）
• 采样频率：100 Hz
• 采集量：力矩（N·m）、转角（deg）双通道时间序列
• 螺栓规格：M12 / M16 / M20 / M24

质量标签（5 类）

编码	标签	说明
0	合格	力矩升至目标扭矩后保持
1	欠拧	力矩提前停止，终值低于目标扭矩
2	过拧	力矩越过目标扭矩后停止
3	滑牙	力矩升至峰值后急剧跌落（螺纹滑丝）
4	虚拧	力矩全程低位（错扣/未正确啮合）

目录结构

bolt-tightening-quality/
├── raw/
│   ├── benchmark/
│   │   ├── records.jsonl    # 标准工况基准集（1200 条）
│   │   └── metadata.csv     # 元数据与标签汇总
│   └── extended/
│       ├── records.jsonl    # 扩展工况集（1800 条）
│       └── metadata.csv
├── processed/               # 预处理后特征数据集
│   ├── train.csv            # 训练集（70%，Z-score 标准化）
│   ├── val.csv              # 验证集（20%）
│   ├── test.csv             # 测试集（10%）
│   └── feature_metadata.json# 特征选择与标准化参数
├── generate_data.py         # 数据生成脚本
└── preprocess.py            # 预处理与特征工程脚本

数据格式

records.jsonl 每行一条 JSON 记录：

{
  "id": "B0001",
  "spec": "M12",
  "grade": "8.8",
  "wear": 0,
  "temp": 20.0,
  "target_torque": 80.0,
  "speed": 181.51,
  "label": 0,
  "label_name": "合格",
  "angle": [0.0, 1.8, ...],
  "torque": [-0.6, 1.3, ...]
}

processed/*.csv 为提取并标准化后的 8 维特征向量，列含 id, spec, source, label, label_name 及 8 个特征（torque_mean、torque_peak_angle、total_angle、avg_rate、rising_slope、angle_deviation、final_torque、hold_fluctuation）。

生成方法

数据基于螺栓拧紧力学模型（空行程 → 贴合 → 弹性上升 → 保持/跌落 四阶段）模拟生成，噪声采用「1.5% 读数 + 底噪」的相对噪声模型。扩展集额外覆盖不同螺栓性能等级（8.8/10.9/12.9）、工具磨损状态、环境温度等工况。

复现

python generate_data.py   # 生成原始数据
python preprocess.py      # 预处理 + 特征工程 + 7:2:1 划分

关联项目

完整课程设计项目（系统方案、业务数据、提示词追溯）见 GitHub 仓库： https://github.com/CYCCCC119/caoyuchen111.md

License

MIT