简介：这份资源面向机器学习入门者、故障诊断方向工程师及自动化专业学生，提供一套基于MATLAB的支持向量机柴油机故障识别完整实现方案，帮助读者理解SVM分类原理并落地到工业设备健康管理场景。压缩包共2个文件，包含1个xlsx数据表与1个m脚本，整体约13KB，其中数据表用于存放柴油机不同工况下的压力、温度、振动等参数，脚本则承载数据加载、模型构建、训练验证与故障预测的完整流程。资源围绕核函数选择、参数调优、交叉验证与混淆矩阵评估等关键环节展开，读者可据此掌握从数据预处理到模型优化的实践思路，并迁移至其他设备故障识别任务。目前已有194人学习下载，适合希望以最小成本跑通SVM分类全流程的读者参考。
1. 柴油机故障识别为什么值得用SVM做：从振动信号到可复现的分类器
柴油机故障诊断这件事，现场工程师最头疼的不是没有数据，而是数据太乱。一台四缸柴油机，喷油器堵塞、气门间隙异常、缸套磨损、供油提前角偏移，这几种故障在时域波形上往往只差几十毫伏的幅值波动，人眼盯着示波器看半天也未必分得清。我最早接触这个方向时，试过用阈值法做缸压异常报警，结果台架一换工况，阈值全部失效，误报率高到没法交付。后来转向基于MATLAB编程的支持向量机SVM柴油机故障识别这条路线，核心原因就一个：SVM在小样本、高维特征、非线性边界这三件事上，比神经网络更稳，比阈值法更泛化。
这篇文章面向的是手里有柴油机振动或缸压数据、想用MATLAB把故障分类跑通的从业者。不管你是做台架试验的、做状态监测的，还是做嵌入式诊断模块前期验证的，只要你能拿到至少几十组带标签的样本，这套流程就能落地。我不会只讲SVM的数学推导，而是把特征提取、参数寻优、交叉验证、混淆矩阵验证这几个环节串成一条能直接抄的链路。中间会重点讲清楚核函数怎么选、惩罚系数C和核参数g怎么调、为什么你的模型在训练集上100%一到测试集就翻车。读完你至少能拿到一个可运行的MATLAB脚本框架，以及一套判断模型到底能不能上台架的验证习惯。
2. 从振动信号到特征向量：MATLAB里的信号预处理与特征工程
2.1 柴油机故障数据的典型形态与采样参数
柴油机故障识别的原始数据，常见来源有三种：缸盖振动加速度信号、缸压信号、曲轴瞬时转速信号。我一般优先用缸盖振动，因为传感器安装方便、成本低、频带宽，能同时反映燃烧激励和机械冲击。采样率这块有个血泪经验：如果你只关心燃烧相关的低频段，采样率设到20kHz够用；但如果你想捕捉气门落座、喷油器针阀启闭这类高频冲击，采样率至少要50kHz以上，否则特征频带直接被截断，后面SVM再强也救不回来。
台架采集时，转速和负荷是两个必须记录的工况标签。同一故障在不同转速下，振动特征差异可能比不同故障在同一转速下还大。所以我的做法是：要么固定转速做分类，要么把转速和负荷作为特征的一部分喂进去。样本长度一般取曲轴转角的整数倍，比如720度一个完整工作循环，切成每段0.5秒或1秒的样本。每个工况下每种故障状态至少采30到50个样本，这是SVM能工作的底线。
% 柴油机振动信号读取与分段 fs = 51200; % 采样率 51.2kHz frameLen = 0.5; % 每段0.5秒 N = round(fs * frameLen);% 每段点数 raw = load('vibration_fault.mat'); % 假设含data和label data = raw.data; % 列向量 label = raw.label; % 故障类别标签 numSeg = floor(length(data) / N); segData = zeros(numSeg, N); for i = 1:numSeg segData(i,:) = data((i-1)*N+1 : i*N); end这段代码做的是最基础的分段。fs决定了你能看到的最高频率，frameLen决定了频率分辨率。注意numSeg是向下取整，尾部不够一段的数据直接丢掉，不要补零，补零会引入虚假的频谱泄漏。segData每一行是一个样本，后面所有特征提取都在这上面做。
2.2 时域、频域、时频域特征怎么选
特征工程是SVM柴油机故障识别里最决定上限的一步。我见过太多人直接把原始振动波形拉平当特征喂给SVM，维度几千维，样本才几十个，结果就是过拟合到无法直视。正确的做法是提取有物理意义的统计特征，把维度压到10到30维。
时域特征我常用这几个：均方根值、峭度、峰值因子、裕度因子。均方根反映能量，峭度对冲击成分敏感，峰值因子和裕度因子对早期故障更灵敏。频域特征用FFT后的频带能量比，比如把0到20kHz分成8个频带，算每个频带的能量占总能量的比例。时频域如果要做细，可以用小波包分解，但小波包的特征维度容易爆炸，我一般只取前3层节点的能量比。
% 时域与频域特征提取 feat = []; for i = 1:numSeg x = segData(i,:); % 时域特征 rmsVal = rms(x); kurtVal = kurtosis(x); peakVal = max(abs(x)); crestVal = peakVal / rmsVal; marginVal = peakVal / mean(sqrt(abs(x)))^2; % 频域特征 X = abs(fft(x)); X = X(1:N/2); bandEdges = round(linspace(1, N/2, 9)); bandEnergy = zeros(1,8); for b = 1:8 bandEnergy(b) = sum(X(bandEdges(b):bandEdges(b+1)).^2); end bandRatio = bandEnergy / sum(bandEnergy); feat(i,:) = [rmsVal, kurtVal, crestVal, marginVal, bandRatio]; endrms和kurtosis直接调MATLAB内置函数，注意kurtosis默认算的是超额峭度，正态分布下接近0，故障冲击会让它明显偏离。bandRatio把8个频带能量归一化，消除了绝对幅值的影响，这对不同传感器灵敏度差异大的场景很关键。最终feat是numSeg行、12列的矩阵，维度可控。
2.3 特征归一化：别让量纲差异毁掉核函数
SVM的核函数计算的是样本间的内积或距离，如果你的特征里均方根是0.5量级，峭度是5量级，频带比是0.01量级，那么距离计算会被大量级特征主导，小量级特征等于白提。所以归一化不是可选项，是必选项。我一般用z-score归一化，把每个特征维度变成均值0、标准差1。
% z-score归一化 featMean = mean(feat, 1); featStd = std(feat, 0, 1); featNorm = (feat - featMean) ./ featStd; % 保存归一化参数，测试时必须用同一套 save('normParams.mat', 'featMean', 'featStd');这里有个容易翻车的地方：归一化参数必须只在训练集上算，然后用同样的featMean和featStd去处理测试集。如果你把训练集和测试集混在一起算均值和标准差，那就是数据泄漏，测试准确率会虚高，上现场直接打脸。我习惯把归一化参数存成mat文件，测试脚本里load进来用，避免手滑。
3. 用MATLAB训练SVM分类器：核函数选择与参数寻优
3.1 fitcsvm的基本用法与核函数对比
MATLAB里做SVM分类，核心函数是fitcsvm。它支持线性核、多项式核、高斯核（RBF）。柴油机故障特征往往是非线性可分的，线性核基本不用考虑，除非你做完PCA降维后类别边界确实接近线性。多项式核参数多、容易数值不稳定，我一般也不优先选。高斯核是默认首选，因为它只有一个核参数g（也叫sigma），调参维度低，而且在高维小样本下表现稳定。
% 训练集与测试集划分 cv = cvpartition(label, 'HoldOut', 0.3); idxTrain = training(cv); idxTest = test(cv); XTrain = featNorm(idxTrain,:); YTrain = label(idxTrain); XTest = featNorm(idxTest,:); YTest = label(idxTest); % 高斯核SVM训练 t = templateSVM('KernelFunction', 'rbf', ... 'BoxConstraint', 1, ... 'KernelScale', 'auto', ... 'Standardize', false); model = fitcecoc(XTrain, YTrain, 'Learners', t);fitcecoc是处理多分类的，因为柴油机故障通常不止两类。templateSVM里KernelScale设为auto时，MATLAB会用启发式方法估计一个初始sigma，但这只是起点，后面必须调。BoxConstraint就是惩罚系数C，控制对误分类的容忍度。Standardize设为false是因为我们已经手动做了z-score，再让MATLAB标准化会重复。
3.2 惩罚系数C与核参数g的网格搜索
C和g的取值直接决定模型是欠拟合还是过拟合。C太大，模型对训练样本的噪声也强行拟合，泛化差；C太小，模型太软，训练集都分不开。g太大，核函数影响范围窄，每个样本只影响自己附近，容易过拟合；g太小，核函数太平坦，模型退化成线性，欠拟合。
我一般用网格搜索加交叉验证来找。搜索范围按指数等距取，C从2的-5次方到2的15次方，g从2的-15次方到2的5次方。步长先粗后细，粗搜步长2，细搜步长0.5。
% 网格搜索C和g CList = 2.^(-5:2:15); gList = 2.^(-15:2:5); bestAcc = 0; bestC = 1; bestG = 1; for c = CList for g = gList t = templateSVM('KernelFunction','rbf', ... 'BoxConstraint', c, ... 'KernelScale', 1/sqrt(2*g), ... 'Standardize', false); mdl = fitcecoc(XTrain, YTrain, 'Learners', t); acc = 1 - loss(mdl, XTrain, YTrain); if acc > bestAcc bestAcc = acc; bestC = c; bestG = g; end end end注意KernelScale和g的关系：MATLAB的KernelScale等于1/sqrt(2g)，所以传参时要换算。这段代码用的是训练集准确率做选择，严格来说应该用交叉验证准确率，否则还是可能过拟合。更稳的做法是在内层再做一次5折交叉验证，但计算量会大很多。如果样本量在几百以内，我建议用交叉验证，别省这点时间。
3.3 多分类策略：一对一还是纠错输出码
fitcecoc默认用的是一对一（one-vs-one）策略，每两个类别训练一个二分类器，最后投票。对于4到6类故障，一对一需要训练10到15个二分类器，计算量可接受，而且每个二分类器只用到两类样本，训练快。纠错输出码（ECOC）是另一种策略，用编码矩阵组合多个二分类器，理论上容错性更好，但编码矩阵设计有讲究，实际项目中我很少手动设计，直接用默认的一对一就够了。
如果你发现某些类别之间混淆严重，比如喷油器堵塞和供油提前角偏移经常互判，可以考虑层次分类：先分大类（燃烧相关故障 vs 机械相关故障），再在大类内细分。这样每层分类器面对的类别少，边界更清晰。
4. 模型验证与避坑：为什么你的准确率虚高
4.1 混淆矩阵比准确率更能说明问题
准确率这个指标在类别不平衡时会骗人。假设你有100个样本，90个正常、10个故障，模型全判正常，准确率90%，但故障一个没抓到。柴油机故障识别里，漏报故障的代价远大于误报，所以必须看混淆矩阵，重点看故障类别的召回率。
% 测试集预测与混淆矩阵 YPred = predict(model, XTest); cm = confusionmat(YTest, YPred); disp(cm); % 计算每类召回率 numClass = size(cm, 1); for i = 1:numClass recall = cm(i,i) / sum(cm(i,:)); fprintf('类别 %d 召回率: %.2f%%\n', i, recall*100); end混淆矩阵对角线是判对的，非对角线是判错的。如果某个故障类别的召回率低于80%，说明特征区分度不够或者样本量太少，需要回去补特征或补数据，而不是继续调SVM参数。
4.2 避坑：柴油机故障识别里最常见的5个翻车点
现象一：训练集准确率99%，测试集只有60%。原因：过拟合。要么特征维度太高样本太少，要么C和g调得太激进。 解决：先降特征维度，用PCA或相关性分析去掉冗余特征；然后把C调小、g调大，重新交叉验证。
现象二：交叉验证准确率很高，换一台柴油机就完全失效。原因：模型学到了台架特定的噪声模式，而不是故障本质特征。不同柴油机的结构、传感器安装位置、背景噪声都不一样。 解决：做域适应，或者至少在特征里加入对工况不敏感的量，比如归一化后的频带比、阶次比。更彻底的做法是采集多台机的数据一起训练。
现象三：某个故障类别总是被判成另一类。原因：这两类故障在所选特征空间里重叠严重。比如气门间隙异常和缸套磨损，在时域统计量上可能很像。 解决：换特征，用时频域的小波包能量比，或者加阶次分析特征。也可以考虑层次分类，先把这两类和其他类分开，再单独找区分它们的特征。
现象四：预测时MATLAB报错“特征维度不匹配”。原因：训练时用了12维特征，测试时忘了做同样的归一化，或者特征提取顺序不一致。 解决：把特征提取和归一化封装成函数，训练和测试调同一个函数。归一化参数存文件，测试时load。
现象五：网格搜索跑了一晚上，结果还不如默认参数。原因：搜索范围没设对，或者用训练集准确率做选择导致过拟合。 解决：先粗搜确定大致范围，再细搜。选择标准用交叉验证损失，不要用训练集准确率。如果样本量小于200，直接用fitcsvm的自动优化bayesopt可能更省事。
提示：每次调完参数，都要在独立测试集上验证一次，不要反复用测试集调参，否则测试集也会被过拟合。
5. 进阶技巧：用贝叶斯优化替代网格搜索与模型固化
5.1 用bayesopt自动寻优SVM超参数
网格搜索在参数维度低的时候够用，但如果你同时要调C、g、甚至多项式核的系数，网格搜索的计算量指数上升。MATLAB的bayesopt可以用较少的目标函数评估次数找到接近最优的参数组合。我现在的习惯是：先用粗网格确定大致范围，再用bayesopt在范围内细搜。
% 贝叶斯优化SVM超参数 vars = [ optimizableVariable('box', [1e-3, 1e3], 'Transform', 'log') optimizableVariable('kern', [1e-3, 1e3], 'Transform', 'log') ]; objFcn = @(params) svmCVLoss(XTrain, YTrain, params.box, params.kern); results = bayesopt(objFcn, vars, ... 'MaxObjectiveEvaluations', 30, ... 'IsObjectiveDeterministic', false, ... 'Verbose', 1); bestParams = bestPoint(results);svmCVLoss需要自己写，内部做5折交叉验证，返回平均分类损失。Transform设为log是因为C和g在指数尺度上更均匀。MaxObjectiveEvaluations设30到50次通常够用，比网格搜索动辄几百次评估省时间。
5.2 模型固化与嵌入式部署的衔接
训练好的SVM模型要上嵌入式诊断模块，不能带着MATLAB一起跑。常见的做法是用MATLAB Coder把预测函数生成C代码，或者把支持向量和系数导出来，在目标板上手写预测逻辑。导出支持向量用model.BinaryLearners{i}.SupportVectors和Alpha，核函数用RBF的话，预测就是计算测试样本与所有支持向量的高斯核加权和。
% 导出支持向量与系数（以第一个二分类器为例） sv = model.BinaryLearners{1}.SupportVectors; alpha = model.BinaryLearners{1}.Alpha; bias = model.BinaryLearners{1}.Bias; sigma = model.BinaryLearners{1}.KernelParameters.Scale; save('svmParams.mat', 'sv', 'alpha', 'bias', 'sigma');导出后，在C代码里实现RBF核预测：对每个支持向量算exp(-sum((x-sv).^2)/(2*sigma^2))，乘alpha求和，加bias，取符号。多分类的话，每个二分类器都导出一套，最后投票。这套流程我在几个嵌入式项目里用过，定点化的时候注意sigma和alpha的数值范围，别溢出。
5.3 一个我坚持了多年的验证习惯
每次训练完模型，我不会只看测试集准确率。我会做三件事：第一，把混淆矩阵打出来，逐类看召回率；第二，随机抽5个测试样本，把它的特征向量和预测结果打出来，人眼过一遍，看有没有明显不合理的；第三，把模型在训练集上的支持向量数量记下来，如果支持向量占了训练样本的80%以上，说明C太小或者g太大，模型太复杂，泛化堪忧。
这个习惯帮我挡掉过好几次“看起来很美”的模型。有一次交叉验证准确率92%，但支持向量占了90%，我坚持重新调参，最后准确率降到89%，但支持向量降到40%，上现场后实际表现反而更稳。SVM这东西，玄学的地方在于参数和泛化之间的关系不是单调的，多看一眼支持向量比例，能少踩很多坑。希望帮到你。
本文还有配套的精品资源，点击获取
