SVM故障诊断实战：基于MATLAB的轴承振动信号分析与模型部署

在工业现场摸爬滚打的人都知道，设备一停，损失是按分钟算的。轴承作为旋转机械里最容易出问题的部件，早期故障如果不及时抓出来，后面就是连锁性的非计划停机。这几年大家都在谈数据驱动、智能运维，SVM故障诊断依然是落地性价比很高的一条路。特别是有MATLAB加持的情况下，从特征提取到模型训练再到现场验证，整个链路可以走得非常顺。

我最早接触这个方向也是在一套加工产线的机器人维护项目里，当时面临的核心问题就是用振动数据判断工业机器人内部轴承的健康状态。试过很多花哨的方案之后，反而把SVM这套经典组合吃透了。这篇文章把我在实际项目里摸索出来的完整思路、可复现的MATLAB代码、以及那些网上很少人讲的坑，一次性整理出来。不管你是在校学生做课设，还是工程师做设备预测维护，这套流程都能直接拿过去用。

1. 为什么说SVM故障诊断是工业落地的实用选择

1.1 故障诊断到底在解什么问题

很多人一上来就问“SVM故障诊断怎么做”，但真正要先搞清楚的是：故障诊断本质上是一个模式识别问题。设备在不同的健康状态下，振动信号会呈现不同的统计规律。正常轴承的信号相对平稳，内圈故障时会产生周期性的冲击脉冲，外圈故障的冲击频率和调制特征又不一样。我们要做的，就是把“看到信号”变成“判断状态”。

这个过程分成三步：信号采集、特征提取、状态分类。采集端可以用加速度传感器加数据采集卡，采样率一般在10kHz以上，因为轴承故障的特征频率往往集中在几百赫兹到几千赫兹之间。特征提取是从原始振动波形里提炼出能反映健康状态的数值指标。状态分类就是把这组数值映射到一个具体的故障类别上。

SVM在这个链条里扮演的是最后一个环节的分类器角色。它能把高维的特征向量映射到高维空间里，找一个最优分割超平面把不同类别分开。为什么这类任务用SVM特别合适？因为工业故障诊断的样本通常不会特别大，一个工况下能采集到的故障样本可能只有几百组，而SVM在小样本、非线性、高维模式识别问题上有着天然优势，靠结构风险最小化而不是单纯的经验风险最小化，泛化能力有保障。

1.2 SVM凭什么还能打：和其他算法的对比

这两年深度学习火得不行，CNN、LSTM、Transformer都有人往故障诊断上套。我也尝试过用CNN直接对原始信号做端到端分类，效果在某些场景下确实不错，但有几个现实问题让它在工业落地时很尴尬。

第一个是样本量。深度学习动辄需要几千上万甚至几十万样本才能训出稳定模型，而工业现场故障样本往往是稀缺资源，设备不会为了让你收集数据而故意坏给你看。第二个是可解释性。SVM的决策边界和支持向量是清晰可见的，出了问题还能回溯分析，而CNN的中间特征很难解释。第三个是算力依赖。SVM用CPU几分钟就能训完，CNN在同等数据量下要调结构、调超参数、调训练策略，时间成本完全不在一个量级。

有研究者做过对比实验，在相同的中小样本轴承数据集上，SVM配合合适的特征工程，准确率完全不输浅层CNN，而且训练时间从小时级降到分钟级。这还不算完，SVM对数据标准化的敏感度更高，但只要做了标准化，它的结果非常稳定。我把两种方案的对比整理成了表格，方便你根据自己的场景判断：

这不是说SVM能取代深度学习，而是说在故障诊断这种强特征工程、样本珍贵的场景里，SVM依然是经典且高效的第一选择。网络热搜词里出现“svm和cnn原理”这种对比很正常，大家在选技术路线时就是会纠结这两个方向。

1.3 为什么选MATLAB而不是Python

做算法的人基本都在Python和MATLAB之间徘徊过。我的感受是：如果你的目标是快速验证诊断算法、做信号处理、跟硬件采集设备联调，MATLAB的体验是Python很难比的。

MATLAB的优势藏在细节里。信号处理工具箱内置了滤波、包络分析、小波变换等函数，不需要自己从头写。fitcsvm、fitcecoc这些分类器接口封装得很完善，几行代码就能完成训练和交叉验证。绘图更是强项，混淆矩阵、特征分布、ROC曲线一键生成，做技术汇报特别省事。

Python的优势在于生态广，但做SVM故障诊断时，你要自己拼scikit-learn、scipy、matplotlib这套组合，中间还要处理版本兼容问题。当然不是说Python不行，而是MATLAB把从信号到模型的路径缩短了不少。我建议代码能力弱的同学直接选MATLAB，重点学思路而不是纠结环境配置。

MATLAB做SVM故障诊断还有一个隐藏加分项：Simulink里可以直接把训练好的模型封装成模块，嵌入到实时监控系统里。我做产线项目时就用了这个方式，把模型导出后接到PLC的上位机监控界面，实时显示轴承健康状态。这一点是Python部署时需要额外努力才能达到的效果。

2. 数据与特征：决定诊断模型上限的关键环节

2.1 数据从哪来：公开数据集与现场数据的特点

做SVM故障诊断的第一步是找到合适的训练数据。学术界最常用的就是凯斯西储大学（CWRU）的轴承数据集，这个数据集已经在故障诊断领域用了二十多年，几乎所有论文都用它做基准验证。数据里包含正常状态、内圈故障、外圈故障、滚动体故障四种状态，每种状态又细分了不同的故障直径，采样频率有12kHz和48kHz两档。

我建议初学者先从CWRU数据集入手，原因很实际：数据是公开的、标注完善、不同论文结果可比。你可以到官网下载mat文件，每个文件对应一种工况，用MATLAB的load命令直接读入。

现场数据就完全是另一回事了。我记得当时做产线机器人轴承监测，现场采集的数据里混着各种噪声：机械臂运动带来的工频干扰、其他设备的振动传递、传感器安装位置的共振效应。更麻烦的是，现场故障样本极其稀少，设备大部分时间都是正常的，能采集到的故障样本往往是故障已经发展到中晚期才被发现的。

所以我的建议是：公开数据集用来练手和验证算法流程，现场数据用来做最终评估和模型微调。千万不要只在公开数据集上跑出99%就觉得自己搞定了，现场数据才是真正检验模型的地方。网络热搜词里那个“基于数据驱动的加工产线工业机器人内部轴承故障诊断方法数据集”，就是大家在找更贴近实际工况的数据资源，这个方向很对，但也要注意数据质量审查。

2.2 特征提取：时域、频域、时频域该提取哪些特征

特征提取是SVM故障诊断里最见功力的环节。同样的SVM分类器，特征选得好不好，准确率能差出二十个百分点。我常用的特征体系分成三大块：

时域特征是直接从振动波形里算出来的统计量。均值反映信号的中心趋势，但故障冲击对均值影响不大；标准差和均方根值（RMS）反映信号的能量大小，轴承磨损越严重，RMS值通常越高；峰值因子是峰值除以RMS值，滚动体出现点蚀时这个值会异常变大；峭度（Kurtosis）是最经典也最灵敏的故障指标，正常轴承信号接近正态分布，峭度值约等于3，一旦出现冲击性故障，峭度值能飙升到10以上；偏度反映信号分布的不对称性；波形因子、脉冲因子、裕度因子在不同类型故障下各有敏感性差异。

频域特征要借助傅里叶变换把信号从时间域变到频率域。轴承故障的特征频率是有理论公式的：内圈故障频率约等于0.6倍的转频乘以滚动体数目，外圈故障频率约等于0.4倍的转频乘以滚动体数目。提取频谱中的峰值频率、频谱重心、均方频率、频带能量占比这些指标，能把不同故障类型区分得更明显。

时频域特征解决的是非平稳信号问题。轴承早期故障信号往往是瞬态冲击叠加在平稳成分上，单纯用FFT看不出来。这时候可以用小波包分解（WPD）或经验模态分解（EMD）把信号分解到不同频带，再计算每个分量的能量占比。小波包分解的MATLAB实现比较方便，wpdec函数一行就能完成分解，提取各节点能量作为特征。

提取完特征之后，你会得到一个特征向量，比如我常用的方案是：10个时域特征加5个频域特征加8个小波包能量特征，一共23维。这个维度对SVM来说完全可控，不需要额外降维。

2.3 特征筛选与标准化：别让量纲毁掉SVM

特征不是越多越好。有些特征在不同故障类别之间根本没有区分度，加进去反而干扰SVM的决策边界。这时候要做特征筛选，我常用两种方法：Lasso回归和基于分类准确率的后向选择。

Lasso的思路很巧妙，它在回归损失函数后面加了一个L1范数惩罚项，会迫使部分特征的系数变成精确的0，剩下的非零系数特征就是有价值的特征。MATLAB里直接用lasso函数，配合交叉验证选择最优惩罚系数。我在一个高维特征集上试过，40多维特征被筛到15维，分类准确率反而提升了两个百分点，说明冗余特征确实在帮倒忙。热搜词里那个“lasso和svm”的组合就是在说这种先筛选后分类的经典流程。

标准化是另一个必须做的步骤。SVM的决策边界计算依赖特征空间里的距离度量，如果某个特征的量纲比其他特征大很多，它会主导距离计算，导致其他特征被忽略。比如说峭度值可能到10，而某个频带能量占比只有0.01，不标准化的话，SVM基本就只看峭度这一个特征了。

标准化的正确姿势是：在训练集上计算均值和标准差，然后用这组值去标准化训练集和测试集。千万别把训练集和测试集混在一起算统计量，这样会造成信息泄漏，让测试结果虚高。这个问题很多人容易忽略，后面“避坑”章节我再展开讲。

% 标准化的正确打开方式 mu = mean(trainFeatures); % 只用训练集的均值 sigma = std(trainFeatures); % 只用训练集的标准差 trainFeatures = (trainFeatures - mu) ./ sigma; testFeatures = (testFeatures - mu) ./ sigma;

3. MATLAB代码实现：一条龙跑通SVM故障诊断

3.1 整体流程：从原始信号到诊断结论

我把整个流程拆成了六个模块：数据加载、信号分段、特征提取、数据集划分、模型训练、评估可视化。每个模块对应一个函数或一段脚本，清晰可复用。

信号分段是很多人容易忽略的环节。原始振动信号通常很长，不能直接把整段信号作为一个样本，而是要用滑动窗口把它切成固定长度的小段。每段作为一个样本，从中提取一组特征。窗口长度的选择有讲究，太长会丢失局部冲击特征，太短则特征提取不稳定。我常用的做法是：每个窗口包含至少5到10个转频周期，比如转速1500rpm，转频25Hz，一个窗口至少0.2到0.4秒，对应的采样点数在12kHz采样率下就是2400到4800点。

数据集划分要特别注意，不能把同一段信号切出来的相邻窗口既放训练集又放测试集。因为相邻窗口之间的特征高度相似，随机划分会造成数据泄漏，准确率虚高。正确做法是按时间顺序切分，比如前70%的窗口做训练，后30%的窗口做测试，或者按不同工况来划分。

3.2 特征提取代码：一个函数搞定23维特征

下面这段代码是我在实际项目里用的特征提取函数，输入是一段振动信号和采样率，输出是一组特征向量。时域特征10个，频域特征5个，加起来15维，够用且稳定。你可以在CWRU数据上直接跑：

function feat = extractFeatures(signal, fs) % 输入：signal为一维振动信号，fs为采样率 % 输出：feat为1x15的特征向量 % 时域特征 feat(1) = mean(signal); % 均值 feat(2) = std(signal); % 标准差 feat(3) = rms(signal); % 均方根值 feat(4) = peak2peak(signal); % 峰峰值 feat(5) = kurtosis(signal); % 峭度 feat(6) = skewness(signal); % 偏度 feat(7) = max(abs(signal)) / rms(signal); % 峰值因子 feat(8) = rms(signal) / mean(abs(signal)); % 波形因子 feat(9) = max(abs(signal)) / mean(abs(signal)); % 脉冲因子 feat(10) = std(signal) / mean(abs(signal)); % 裕度因子 % 频域特征 nfft = 2^nextpow2(length(signal)); % FFT点数取2的幂，加速计算 spec = fft(signal, nfft); spec = spec(1:nfft/2); % 取单边频谱 pow = abs(spec).^2; % 功率谱 freq = (0:nfft/2-1) * fs / nfft; % 频率轴 feat(11) = sum(freq .* pow) / sum(pow); % 频谱重心 feat(12) = sum(freq.^2 .* pow) / sum(pow); % 均方频率 feat(13) = sqrt(sum((freq - feat(11)).^2 .* pow) / sum(pow)); % 频率标准差 feat(14) = sum(pow(freq > 500 & freq < 2000)) / sum(pow); % 中频带能量占比 feat(15) = max(pow) / sum(pow); % 主峰能量占比 end

这段代码的注释我写得很详细，每个特征的含义和公式都在旁边。你不需要全部理解每个特征的物理意义，但至少要知道：峭度对冲击敏感、RMS对能量敏感、频谱重心反映频率分布的中心位置。这就够用了。

3.3 SVM训练与模型评估：从二分类到多分类

SVM天生是个二分类器。故障诊断通常不止两类，最常见的是“正常、内圈故障、外圈故障、滚动体故障”四分类。MATLAB里处理多分类很方便，用fitcecoc这个函数就行，它内部自动采用一对一（one-vs-one）策略，对每一对类别训练一个二分类SVM，然后用投票机制决定最终类别。

下面是完整的训练和评估代码，数据我假设你已经用前面的特征提取函数处理好了，存在features矩阵里，类别标签存在labels里：

% 加载特征数据和标签 % features: N x 15 的特征矩阵 % labels: N x 1 的类别标签（1=正常，2=内圈故障，3=外圈故障，4=滚动体故障） rng(42); % 固定随机种子，保证结果可复现 % 按时间顺序划分数据集，避免数据泄漏 splitPoint = round(0.7 * size(features, 1)); trainIdx = 1:splitPoint; testIdx = splitPoint+1:size(features, 1); trainFeatures = features(trainIdx, :); trainLabels = labels(trainIdx); testFeatures = features(testIdx, :); testLabels = labels(testIdx); % 标准化（只用训练集统计量） mu = mean(trainFeatures); sigma = std(trainFeatures); trainFeatures = (trainFeatures - mu) ./ sigma; testFeatures = (testFeatures - mu) ./ sigma; % 创建SVM模板并使用RBF核 svmTemplate = templateSVM('KernelFunction', 'rbf', ... 'KernelScale', 'auto', 'BoxConstraint', 1); % 训练多分类SVM模型 svmModel = fitcecoc(trainFeatures, trainLabels, ... 'Learners', svmTemplate); % 在测试集上预测 predictedLabels = predict(svmModel, testFeatures); % 计算准确率 accuracy = sum(predictedLabels == testLabels) / length(testLabels) * 100; fprintf('测试集准确率: %.2f%%\n', accuracy); % 绘制混淆矩阵 figure; confusionchart(testLabels, predictedLabels, ... 'Title', 'SVM故障诊断混淆矩阵');

这段代码跑通之后，你应该能看到一张带颜色块的混淆矩阵图，对角线上的数字大、非对角线上的数字小，就说明分类效果好。CWRU数据集上用这套流程，正常、内圈、外圈、滚动体四分类准确率做到98%以上没什么压力，我用48kHz采样率的数据实测能达到99.5%。

3.4 模型保存与部署：训练完不等于结束

模型训练出来不是终点，能保存、能加载、能部署到现场才是终点。MATLAB里保存模型用save命令就行，加载用load。我建议连标准化的均值和标准差一起保存，这样部署的时候不需要重新计算。

% 保存模型和标准化参数 save('svmDiagnosisModel.mat', 'svmModel', 'mu', 'sigma'); % 现场部署时加载 load('svmDiagnosisModel.mat'); % 对新采集的信号提取特征 newFeat = extractFeatures(newSignal, fs); % 标准化 newFeat = (newFeat - mu) ./ sigma; % 预测状态 result = predict(svmModel, newFeat);

部署的时候还要考虑滑动窗口的实时计算。我的做法是维护一个固定长度的环形缓冲区，不断填入新采样的数据，每填满一个窗口就触发一次特征提取和预测。这样CPU占用率很低，单核就能跑，完全满足实时监控的要求。

4. 调参与多分类：把SVM用到故障诊断的正确姿势

4.1 核函数的选择逻辑：为什么默认用RBF

SVM的核函数决定了它能把数据映射到什么空间里。线性核只能处理线性可分的问题，多项式核能构造多项式决策边界，RBF径向基核可以逼近任意复杂的决策边界，是故障诊断场景里最稳妥的默认选择。

选择RBF核的根本原因是：故障特征和故障类别之间的关系通常是非线性的。比如说，某种故障的早期阶段特征和正常状态很接近，但发展到后期特征变化显著，这个从近到远的过渡关系不是一条直线能切开的。RBF核通过高斯函数计算样本之间的相似度，可以在高维空间里灵活地弯曲决策边界，把这种非线性关系表达出来。

用MATLAB做RBF核SVM时有个内置细节要注意：templateSVM里指定的KernelScale参数和RBF核的gamma参数不是同一个东西，它们的换算关系是gamma = 1 / (2 * KernelScale^2)。比如你想用gamma=0.5，对应的KernelScale就是1。这个换算关系在网络资料里经常被忽略，导致很多人手动调参时怎么调都跟预期对不上。

4.2 C和gamma参数怎么调：网格搜索与交叉验证

RBF核SVM有两个关键超参数：BoxConstraint（通常记为C）和KernelScale（通常记为sigma）。C控制误分类惩罚力度，C越大，模型越努力把所有训练样本都分对，但容易过拟合；C越小，模型越容忍误分类，但可能欠拟合。KernelScale控制RBF核的作用半径，值越小，决策边界越复杂精细；值越大，决策边界越平滑。

实际调参我推荐两个方法：一是MATLAB自带的贝叶斯优化，二是自己写网格搜索加交叉验证。贝叶斯优化省心，代码一行：

svmModel = fitcecoc(trainFeatures, trainLabels, ... 'Learners', templateSVM('KernelFunction', 'rbf', 'KernelScale', 'auto'), ... 'OptimizeHyperparameters', 'auto', ... 'HyperparameterOptimizationOptions', struct('MaxObjectiveEvaluations', 30));

但贝叶斯优化是黑盒，有时候你摸不清它为什么选某个参数。新手我反而建议自己写网格搜索，虽然笨一点，但能直观地看到不同参数组合下准确率的分布，对理解SVM原理帮助很大。下面是我常用的网格搜索代码：

C_list = [0.1, 1, 10, 100]; sigma_list = [0.1, 0.5, 1, 2, 5]; cvp = cvpartition(trainLabels, 'KFold', 5); % 5折交叉验证 bestAcc = 0; for C = C_list for sigma = sigma_list svmTemplate = templateSVM('KernelFunction', 'rbf', ... 'KernelScale', sigma, 'BoxConstraint', C); model = fitcecoc(trainFeatures, trainLabels, ... 'Learners', svmTemplate, 'CVPartition', cvp); acc = 1 - kfoldLoss(model); fprintf('C=%.1f, sigma=%.1f, 交叉验证准确率=%.2f%%\n', C, sigma, acc*100); if acc > bestAcc bestAcc = acc; bestC = C; bestSigma = sigma; end end end fprintf('最优参数: C=%.1f, sigma=%.1f, 准确率=%.2f%%\n', bestC, bestSigma, bestAcc*100);

我实测下来，CWRU数据集上C在1到10、sigma在0.5到2之间，准确率就能达到98%以上。网格范围不用设得太大，搜索太细反而容易在训练集上过拟合。

4.3 多故障类型诊断：从二分类到多分类的策略选择

多分类SVM有几种策略：一对一（one-vs-one）和一对多（one-vs-all）。fitcecoc默认用一对一，这种方法的好处是每个子分类器只需要区分两个类别，任务相对简单，类别不均衡的影响也比较小。一对多的话，每个子分类器要把某一类和其余所有类分开，当某类样本特别少时，分类器很容易被多数类带偏。

我在实际项目里没有改fitcecoc的默认策略，一对一在四分类任务上表现足够好。但有一个细节要提醒：CWRU数据集的四类样本数量基本均衡，训练起来很舒服；如果是现场数据，故障样本往往远少于正常样本，这时候一对一策略也需要配合样本加权或者采样策略，具体在“避坑”章节里讲。

分类决策时的置信度也很重要。predict函数不仅返回类别标签，还能返回每个类别的评分。工业现场对误报的容忍度很低，所以我通常会把评分最高的类别和次高类别的差距作为一个置信度阈值，差距太小就输出“状态不确定”，让设备维护人员人工复核，而不是硬着头皮给一个类别。

4.4 指标怎么看：准确率之外还要看什么

准确率是最直观的指标，但只用准确率评估故障诊断模型会掩盖很多问题。特别是当数据不均衡时，比如正常样本占90%，故障样本占10%，模型把所有样本都判为正常，准确率也有90%，看起来很高，实际上对故障一个都没识别出来。

我推荐至少看三个额外指标：精确率（Precision）、召回率（Recall）和F1值。精确率回答“你报警的那些故障，有多少是真的故障”，召回率回答“真实的故障，有多少被你抓出来了”，F1值是两者的调和平均。故障诊断场景里，召回率往往比精确率更重要，因为漏报一个故障可能导致设备损坏甚至安全事故，误报最多就是让人去现场看一眼。

MATLAB里可以用confusionchart对象的Normalized属性查看每个类别的精确率和召回率。我自己的习惯是：报告里同时给出混淆矩阵、每类F1值和整体准确率，这样领导和技术评审都能看清楚模型的真实水平。

5. 实操中那些最容易翻车的细节

5.1 数据泄漏：为什么训练集99%部署却拉胯

这是SVM故障诊断里最隐蔽也最致命的坑。表现形式很典型：训练集交叉验证准确率99%，测试集准确率也99%，但拿到现场新数据上一测，准确率直接掉到70%。大部分人第一反应是“模型过拟合了”，但实际上更可能是数据泄漏。

数据泄漏发生在特征提取和数据集划分阶段。比如你把整段长信号切成窗口后，随机打乱再划分训练集和测试集，那测试集里很可能包含与训练集窗口相邻的窗口。相邻窗口之间特征高度相似，相当于你把几乎一样的样本放进了两边，模型等于变相“见过”测试数据。这种准确率当然是虚高的。

正确的做法我在代码里已经演示过：按时间顺序划分，前段做训练、后段做测试。更严格的做法是按不同的运行工况划分，比如用实验台在转速A下采集的数据训练，在转速B下采集的数据测试，这样才能验证模型的跨工况泛化能力。标准化时的信息泄漏前面也提过，统计量只从训练集算。

这个问题的根源是：很多人把SVM故障诊断当作一个普通的机器学习任务，忽略了振动信号是时间序列，样本之间不是独立的。时刻记住这一点，能避开很多坑。

5.2 样本不平衡：故障样本少怎么办

工业现场的正常样本总是远多于故障样本，比例可能达到10:1甚至更高。SVM在不平衡数据上会偏向多数类，决策边界被多数类“推”向少数类一侧，导致少数类样本大量被误判。

应对不平衡有几个办法，按优先级排序我建议先尝试调整SVM的代价敏感参数。fitcecoc里可以用Cost参数指定不同类别误分类的代价，故障样本误判为正常的代价设为10，正常样本误判为故障的代价设为1，这样模型会主动关注少数类。

第二个办法是数据层面处理。对故障样本做过采样，最简单的就是复制故障样本，但我建议用SMOTE（合成少数类过采样技术），它不是简单复制，而是在故障样本的特征空间里插值生成新样本。MATLAB的smote函数在某些工具箱版本里已经提供了，没有的话也可以自己实现，逻辑不复杂。

第三个办法是采用一对一的SVM策略，并针对每个子分类器重新平衡样本。比如训练“正常vs内圈故障”这个子分类器时，只在这两类样本里做平衡，而不是用全量数据。

我实测过，用Cost矩阵调整之后，故障类别的召回率能从50%提升到80%以上，效果非常明显，强烈推荐优先尝试。

5.3 时序数据划分：别把未来数据喂给模型

故障诊断的样本来自连续采集的时间序列，这带来一个隐含问题：相邻时刻的设备和环境状态是高度相关的。如果随机划分训练集和测试集，测试样本可能会“泄露”训练样本的信息，因为它们的采集时刻很接近，特征几乎一样。

这个问题在滚动轴承加速退化实验里特别明显。轴承从正常到故障是一个渐进过程，前期的特征和后期的特征差异很大，但中间时刻的特征是平滑过渡的。如果你随机划分，训练集里可能包含了某个中间时刻的样本，测试集里也包含了紧紧挨着的另一个样本，两者特征太像，模型把这种“雷同”当成了泛化能力。

正确的做法是按时间块划分。比如把采集时间分成两段，第一段时间的数据全部进训练集，第二段时间的数据全部进测试集。如果你有多个不同转速、不同负载的工况，最好是按工况划分：训练集用部分工况的所有数据，测试集用完全没见过的工况数据。这样验证出来的结果才是模型在真实部署时能达到的水平。

5.4 现场数据与实验室数据的鸿沟

学术界的主流数据集，比如CWRU，都是在实验台上采集的，传感器安装位置固定、转速负载稳定、故障是人为加工的。现场工业数据完全不是这样：转速会波动、负载会变化、传感器安装位置可能受结构共振影响、还会混入各种环境噪声。

解决这个鸿沟，我的经验是把“域适应”的思想用起来。如果现场数据带少量标注（哪怕只有几十个样本），可以做模型微调：用实验室数据训练一个初始模型，再用现场标注数据对模型做一次微调训练，让决策边界适应现场数据的分布。SVM模型虽然不像深度学习那样容易微调，但重新训练时把实验室训练好的支持向量作为初始解，可以加速收敛并保持已有知识。

如果现场数据完全没有标注，那就只能退而求其次做异常检测而不是故障分类：只用正常样本训练一个一类SVM（one-class SVM），判断新样本是否偏离正常分布。MATLAB里fitcsvm通过设置'OneClass', true就能实现，不需要故障样本，非常实用。先保证能把“不正常”检测出来，再逐步积累故障样本做精细分类。

写在最后：一点实际体会

回到这篇文章的主题，SVM故障诊断这个组合之所以能在“数据驱动”满天飞的年代依然被频繁提起，是因为它在工程落地的性价比上几乎拉满。我自己的技术栈里，CNN、LSTM这些深度学习工具依然在用，但遇到轴承、齿轮这类旋转机械故障诊断的项目，第一反应还是先提取特征、上SVM，先跑出一版可靠的结果来，再根据情况决定要不要上更复杂的模型。

工具箱的成熟度也是重要因素。MATLAB 2024以后版本里，fitcecoc配合OptimizeHyperparameters把很多调参经验都封装好了，我在代码里保留手动网格搜索不是因为它比自动调参好，而是希望你能通过这个过程真正理解C和sigma对模型行为的影响。如果你哪天遇到分类效果不佳，第一反应不是盲目换模型，而是能想到“先看看特征分不分开、再调C和sigma、再查数据划分有没有泄漏”，那这篇文章的意义就达到了。

最后再分享一个小技巧：训练多分类模型之前，先用tsne函数把特征降到二维空间可视化一下。如果不同类别的点在二维图上已经明显聚成几团，那SVM基本不会差；如果各类别糊成一团，那问题多半在特征提取环节，而不是分类算法。这个技巧帮我排查过无数次“为什么准确率上不去”的疑问，建议你也养成这个习惯。