基于双路神经网络的滚动轴承故障诊断 融合了原始振动信号 和 二维信号时频图像 的多输入(多通道)故障诊断方法 单路和双路都可 时频图像算法可选小波变换短时傅里叶变换马尔可夫变迁场格拉姆角场等 数据集可选凯斯西储大学东南大学江南大学等等 Pytorch和Tensorflow框架做的。轴承故障诊断这活儿玩过工业数据分析的老铁都知道振动信号里藏着关键信息。但传统单路神经网络总感觉差点意思——要么盯着原始波形使劲儿要么死磕时频图这不跟人只用一只眼睛看3D电影似的咱们今天整点不一样的双通道输入直接让模型左右开弓。左边处理原始振动信号右边解析时频图像就跟医生同时看心电图和CT片子一个道理。重点来了怎么把这两种不同维度的数据喂给模型还不打架先整点硬核的上代码咱们用凯斯西储大学的数据搞事情先加载原始振动信号from scipy.io import loadmat def load_bearing_data(file_path): raw_data loadmat(file_path)[X098_DE_time].flatten() return raw_data[:3000] # 截取前3秒数据这段代码处理的是驱动端轴承的振动数据注意我们特意做了等长截取不然后续做时频转换时会哭得很惨。时频转换这块推荐格拉姆角场GAF比传统STFT更带感。用pyts库三行代码就能生成彩色时频图from pyts.image import GramianAngularField gaf GramianAngularField(image_size64, methoddifference) transformed_data gaf.fit_transform(segments.reshape(1, -1))生成的64x64图像直接能扔进CNN处理。注意image_size别设太大不然训练时显卡风扇能给你吹出直升机音效。基于双路神经网络的滚动轴承故障诊断 融合了原始振动信号 和 二维信号时频图像 的多输入(多通道)故障诊断方法 单路和双路都可 时频图像算法可选小波变换短时傅里叶变换马尔可夫变迁场格拉姆角场等 数据集可选凯斯西储大学东南大学江南大学等等 Pytorch和Tensorflow框架做的。模型架构是重头戏PyTorch搭的双路网络长这样class DualPathNet(nn.Module): def __init__(self): super().__init__() self.wave_branch nn.Sequential( nn.Conv1d(1, 16, 5), nn.BatchNorm1d(16), nn.ReLU(), nn.MaxPool1d(4), nn.Conv1d(16, 32, 3) ) # 图像处理支路 self.image_branch nn.Sequential( nn.Conv2d(1, 16, 3), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(16, 32, 3) ) self.classifier nn.Linear(864, 10) # 关键在融合层维度 def forward(self, wave, image): wave_feat self.wave_branch(wave) image_feat self.image_branch(image) combined torch.cat([wave_feat.flatten(1), image_feat.flatten(1)], dim1) return self.classifier(combined)注意两个支路的卷积核尺寸差异——1D卷积处理波形2D卷积处理图像最后特征拼接前记得flatten。融合层维度要自己算清楚不然报错能让你怀疑人生。训练时有个坑两个支路的学习率最好分开调。图像支路通常需要更小的学习率毕竟CNN容易过拟合。试试这样设置优化器optimizer optim.Adam([ {params: model.wave_branch.parameters(), lr: 1e-3}, {params: model.image_branch.parameters(), lr: 5e-4}, {params: model.classifier.parameters(), lr: 1e-3} ])实际跑下来双路网络在混合故障类型上的准确率比单路高8-12个百分点。特别是在早期微弱故障识别上时频图像支路能捕捉到波形分析漏掉的频域特征。不过也别迷信双路就一定牛逼遇到数据量小的场景还是单路更稳妥。曾经有个项目300条样本硬上双路网络过拟合得亲妈都不认识。这时候可以试试冻结图像支路只训练波形支路相当于白嫖预训练特征。最后提醒时频转换算法别闭眼瞎选。内圈故障用马尔可夫变迁场外圈故障格拉姆角场更合适——这都是烧坏三块显卡换来的经验。实在拿不准就整个AB测试让验证集准确率说话。