KAIST VATM（多模态旋转机械，2023）

KAIST VATM 数据集（Vibration, Acoustic, Temperature, Motor current）由韩国科学技术院（KAIST）于 2023 年发布（Data in Brief, DOI: 10.1016/j.dib.2023.109012）。数据集在旋转机械试验台上采集了振动（4 通道 ICP 加速度计）、声学（麦克风）、温度（热电偶）和电流（CT 互感器）四类传感器信号，覆盖正常状态、轴承故障（内圈/外圈）、轴不对中和转子不平衡 4 种故障模式，以及 0/2/4 Nm 三种扭矩载荷条件和 680–2460 RPM 变速工况。数据集的核心优势是真正的多模态同步采集，为多传感器融合故障诊断研究提供了标准基准，已在 2024–2025 年的多篇跨模态、物理信息引导和迁移学习论文中被使用。

振动 + 声 + 热 + 电四模态高规格配置。

• KAIST VATM
  Data in Brief, 2023

• Rolling Bearing Fault Diagnosis via Parallel Heterogeneous Deep Network with Transfer Learning
  Applied Sciences (MDPI), 15(23):12575, 2025 — Various authors
  并行异构深度网络+迁移学习，在 CWRU 和 KAIST 数据集上验证，SNR>-5 dB 时准确率维持 90%以上
• Physics-Informed Multimodal Bearing Fault Classification under Variable Operating Conditions using Transfer Learning
  arXiv 2025, 2025 — Various authors
  物理信息引导的多模态 1D-CNN（振动+电流），在 KAIST 数据集上准确率达 98%
• Enhancing multimodal fault diagnosis in mechanical systems via mixture of experts
  Complex & Intelligent Systems, 2025 — Various authors
  混合专家（MoE）框架融合多模态传感器信号，使用 KAIST VATM 数据集验证

• Mendeley ztmf3m7h5x