PHM 北美 2022 数据挑战赛聚焦于液压岩石钻机在多配置工况下的故障分类。数据由三个位置的压力传感器以 50 kHz 高速采集，采集对象为在测试台上正常运行并人工注入故障的液压岩石钻机。训练集覆盖 5 台钻机配置、验证集覆盖 1 台、测试集覆盖 2 台，总计 16,396 行，11 类状态（1 健康 + 10 故障模式），标签以盲评形式提供。最大挑战在于"域偏移"（domain shift）：不同钻机型号和工况导致信号分布差异显著，要求模型具备跨域泛化能力。典型预处理建议包括：基于冲击周期的数据裁剪以对齐不同配置下的时序长度、频域特征提取（FFT/时频图）、软投票集成等。可与 PHM 2023（齿轮箱）组合构建多设备域适应基准。社区使用情况：PHM 学会顶三队伍均在 IJPHM 发表论文，arXiv 综述（arXiv:2312.16810）将其列为重点分析赛事之一。目前下游引用集中于 IJPHM 与 PHM 学会会议论文集，机器学习顶会直接复用较少。
| 行业 | 矿采，钻探工程 |
|---|---|
| 任务 | fault_diagnosis，domain_adaptation，classification |
| 模态 | pressure |
| 频率档 | — |
| 采样率 | — |
| 真实度 | real_lab |
| 访问门槛 | open |
| 质量评分 | ★★★★☆ |
| 采用度 | medium |
| 数据形态 | continuous_process |
| 是否多模态 | 否 |
| 规模 | 5 配置训练 + 2 配置验证，16,396 行，11 类状态 |
| License | — |
矿采钻机数据公开极少，多配置天然构成域适应基准。