【摘要】针对电梯故障诊断中公开数据不足、方法难以复现及缺乏统一对比基准的问题，本文构建了面向曳引式客梯的多模态基准数据集 ElevatorBench。该数据集同步采集振动、音频与运行参数 3 类信号，覆盖曳引系统、门系统和导向系统 6 类典型故障及正常工况，共包含 3036 段标注样本。在此基础上，设计了数据采集、样本切片、多模态对齐与标注质控的完整流程，并在同域划分与跨电梯泛化 2种设置下，对支持向量机、随机森林及一维卷积神经网络等基线方法进行了系统评估。实验结果显示，振动模态在单模态条件下表现最佳，多模态融合相较最优单模态可提升约 8%，但在跨电梯场景中性能下降约 12%。上述结果表明，该数据集可为电梯多模态诊断与域泛化研究提供可复现的实验基础。