基于WMSST与MCNN-BiGRU的旋转机械故障诊断网络详解

直接从事后经验说起吧。机械故障诊断这块，信号处理加深度学习已经不算新鲜了，但真正能把两者结合好、结合得让实验结果有说服力的方案并不多。我前后倒腾过不少组合：EMD分解配SVM、短时傅里叶谱图直接扔进CNN，甚至是把原始波形直接灌给LSTM。各有各的问题，最头疼的就是噪声一大、转速一变，时频图糊成一团，网络根本学不到稳定的故障特征。后来换成了“小波多尺度同步压缩变换（WMSST）配合MCNN-BiGRU”这条路子，效果才真正稳下来。这篇文章把这套诊断网络的细节、参数、代码思路和踩过的坑全部摊开讲，适合正在做滚动轴承、齿轮箱这类旋转机械故障诊断的同学参考，也适合手里有Matlab环境、想复现一套完整深度学习诊断流程的工程师。

1. 方案整体设计与核心思路拆解

1.1 为什么不能只用传统时频分析

旋转机械的振动信号几乎都是非平稳的，轴承故障、齿轮啮合冲击、转子碰磨这些工况，特征频率会随着转速波动和负载变化发生漂移，而且真实工业信号里噪声底噪特别大。拿传统的傅里叶变换去看这类信号，频率成分全都糊成一片，完全没法区分边频带和故障特征频率。短时傅里叶变换加了窗，能看出来频率随时间的变化，但窗长一旦选定，时域分辨率和频域分辨率就是一对永远调不好的矛盾——窗窗短了频率看不清楚，窗长长了时间点定位不了。

小波变换解决了分辨率的矛盾，高频部分时间分辨率好，低频部分频率分辨率好，但小波变换出来的尺度谱依然存在能量扩散的问题，就是某个瞬时频率的能量会被“抹”到相邻的时频单元里。这也就是WMSST（小波多尺度同步压缩变换）登场的原因——它不只是画一张时频图，而是把小波尺度谱里模糊掉的能量重新分配、重新“压回”到真正的瞬时频率脊线上。时频图能量一集中，后面卷积网络要学的特征就不是一张雾蒙蒙的图，而是几条清晰利落的频率线，本质工作完全不同。

1.2 深度学习部分为什么选MCNN加BiGRU

时频图处理最常见的思路是把整张图当普通图像，直接丢进二维CNN。问题是故障特征既体现在局部频带的形态上，也体现在时间推移过程中频率成分的动态变化上。传统的单尺度CNN用固定尺寸的卷积核，一次只能看一个固定尺度的局部区域，遇到不同故障类型特征带宽差异很大的情况，特征提取能力就捉襟见肘了。

这里用MCNN（多尺度卷积神经网络）做一个“宽度方向”的特征提取，并列几个不同卷积核尺寸的分支，相当于同步用不同倍数的放大镜看同一张时频图，一个看精细的局部冲击细节，一个看较宽的调制边带，另外一个看整体频带结构。多尺度的特征在通道维度上拼接起来，特征表达能力比单尺度高一截。

但卷积网络提取出来的特征是“片段式”的，它不擅长建模时间轴上的长程依赖。旋转机械的振动信号，上一段时频图的状态往往决定了下一段状态，故障冲击有周期性，频谱成分的变化有连续性。这个交给循环结构来处理更合适。GRU比LSTM参数少、训练快，但单方向的GRU只能看到过去的上下文，会漏掉未来时间段里已经出现的信息。BiGRU双向门控循环网络相当于一个顺读一个倒读，把整个序列的上下文信息全部囊括进来，对故障特征在时间上的演变过程描述得更完整。

1.3 整体流程的层次关系

这套WTMBiGRU诊断网络的逻辑链路是这样的：原始振动信号先经过WMSST变换生成高分辨率时频表示，时频数据按时间段切分后送入MCNN的多尺度卷积分支，提取多尺度空间特征，然后通过BiGRU对整个时间序列做双向建模，最后接全连接层和Softmax输出故障类别。

整个流程的核心好处在于，信号预处理阶段把物理特性充分解析清楚，网络结构阶段把时域和频域、局部与全局的信息综合利用起来。传统做法里信号处理和特征提取是割裂的，这里合成一个端到端可训练的整体，预处理部分负责“看得清”，网络部分负责“认得出”。

2. WMSST时频变换的核心细节与Matlab实现

2.1 同步压缩到底是什么逻辑

同步压缩变换不是凭空造频率，它的核心思想非常朴素。短时傅里叶变换或小波变换得到的时频谱，能量并不集中在真实瞬时频率处，而是散落在周围。但通过相位信息，可以估算出每个时频单元对应的真实瞬时频率。基于这个估算结果，把分散的能量往真实的频率位置重新投一次票，能量就“挤”回该去的地方了。

生活里可以这么理解：想象一个社团活动里大家都在教室里讨论，但没收音机，你只知道每个教室大概有哪些声音，但不知道声音源头具体在哪。同步压缩就是给每个教室装了一个声源定位器，把那些飘在走廊上的声音全部准确送回对应的房间。WMSST做的是同一件事，只不过声源定位器换成了小波尺度域和频率域的联合估计，分辨率更高。

2.2 小波变换到同步压缩的完整步骤

具体实现时，先对信号做连续小波变换，得到小波系数矩阵。小波系数里既包含幅度信息，也包含相位信息。同步压缩的关键是利用相位信息计算瞬时频率估计项，然后对尺度轴进行重分配，把每个尺度上的能量映射到频率轴上最可能的位置。

用公式描述就是先算连续小波变换，再对小波系数关于时间求导估计瞬时频率，最后沿着尺度方向做能量重分配。这套逻辑在Matlab里可以直接基于连续小波变换的系数矩阵自己实现，也可以利用同步压缩小波变换工具箱。

从实操角度看，需要特别留意的是频率提取的精度和计算量平衡。同步压缩过程如果频率细分过密，计算复杂度会指数级上升，而分辨率提升到一定程度后再加密已经没有实际收益。我自己的经验是，先把频率范围限定在关注的频段内，比如轴承故障的特征频率通常在几千赫兹以内，超过这个范围的细节可以直接舍弃，既不损失故障特征，又能大幅加快计算速度。

2.3 小波基波和尺度怎么选

小波基的选择对WMSST结果影响非常大。工程上最常用的是复数Morlet小波，它的时频局部性好、中心频率和带宽参数可以灵活调整。对于齿轮箱、轴承这类故障冲击信号，复数Morlet小波能得到能量聚焦性很不错的时频图。如果信号里有明显的窄带分量，Morse小波的表现往往更好，它的自由度更高。

尺度数决定了频率分辨率的精细程度。尺度数太少，频率轴上的采样点不够用，能量压缩后会出现“拼接感”；尺度数太多，算力开销大得离谱。我试过的经验范围是512到1024之间，针对采样率20kHz左右的轴承数据，768个尺度基本就能把边频带结构看得比较清楚。

2.4 WMSST和普通小波时频图的直观差异

普通小波变换看故障信号，时频图上的能量是一大片晕开的色块，幅值高低难以精确区分。WMSST处理完的时频图，能量被压成清晰的窄条带，转频及其谐波、故障特征频率及其边频带一目了然。后期把时频图送进MCNN时，卷积核的每一层都更容易激活到真正的特征区域，训练损失曲线下降得更快更平稳，最终分类精度也会有明显提升。

Matlab里实现WMSST后，可以直接用生成的时频矩阵做后续网络输入，不必非得存成图像格式，这个对训练效率帮助很大，因为省去了一遍遍读写图片的时间，而且矩阵形式的数据在进入数据增强环节时更灵活。

3. MCNN-BiGRU网络结构逐层拆解

3.1 多尺度卷积分支的设计逻辑

MCNN的设计核心是并列多个卷积分支，每个分支用不同尺寸的卷积核。这里的“多尺度”针对的是故障信号在时频图上呈现的不同跨度的模式。小卷积核适合捕捉短时的瞬态冲击特征，中等卷积核适合捕捉几个周期内的调制现象，大卷积核适合捕捉较宽的频带能量变化。

实际网络里我用了三个并行分支，卷积核尺寸分别是一维卷积核，也可以理解成在时间维度上覆盖1个短段、3个中等段和5个长段。每个分支不一定是不同核宽，更常见的是核宽相同但卷积核数量不同，或者空洞率不同。重点在于分支之间要形成互补，最后在特征拼接层把不同尺度的特征拼成一个更长的特征向量。

如果输入是时频图，也可以用二维卷积，把频率维度当作图像高度、时间维度当作图像宽度。不过一维卷积在时序信号上效率更高，尤其当WMSST已经把我们最关心的频率位置“压”好之后，二维卷积的很多工作在时频图上已经是冗余的。我实际测试下来，直接对WMSST得到的复数时频矩阵求模，按列取能量包络，然后送给一维MCNN，效果完全不输于把时频图当图片做二维卷积，而且训练速度快了大半。

3.2 BiGRU层为什么能补上时序建模短板

卷积网络输出的是特征序列，每一帧对应时频图的一个时间段。这些帧之间的关联关系，比如周期性的冲击在第几帧出现、边频带能量在第几帧发生变化，是故障诊断的重要线索。BiGRU对特征序列从头到尾建模时，通过更新门和重置门实现对长期信息的动态记忆。正向GRU看“从过去到现在”，反向GRU看“从现在到过去”，两个方向拼接得到一个同时包含前后上下文信息的输出向量。

从实现上看，BiGRU层的输入是MCNN输出特征序列，经过双向处理后，每个时间步的输出既包含该时间步的局部特征，又包含整个序列的上下文信息。这样即使某一段时频图因为噪声干扰导致局部特征不明显，前后的变化趋势也可以帮助网络做出正确判断。

BiGRU隐藏单元数量我建议设置在64到128之间，过小会丢失上下文信息，过大会导致过拟合，尤其当训练样本不够多时更明显。可以在中间加Dropout层和BatchNorm层，前者随机屏蔽部分神经元防止共适应，后者让每层输入分布稳定一些，训练会更快收敛。

3.3 分类层和损失函数设计

最后的分类层一般是全连接加Softmax。故障类别的数量决定了输出节点数，比如正常状态加大类故障，就是几个输出节点。损失函数用交叉熵，这是分类任务的标准配置。训练时优化器我通常用Adam，初始学习率从1e-3开始，训练到一半再降到1e-4，这个设定比固定学习率更容易跑出理想结果。

额外要说的一点是类别不均衡问题。故障数据里正常运行样本往往远多于故障样本，如果直接用原始数据训练，网络会倾向于把所有样本都判为正常，因为整体的准确率依然好看。处理方式是加入类别权重或者使用加权采样，让少数类样本在训练时获得更高的权重。这个细节在工程场景里非常重要，很多人模型做出来指标很高，一上真实数据就崩，多半就是没处理类别不平衡。

3.4 网络参数速查表

4. 完整诊断流程与Matlab代码实操

4.1 数据集组织和预处理

我用的模拟实验数据来自一套故障模拟试验台，分别采集正常状态、内圈故障、外圈故障、滚动体故障四种工况的振动加速度信号，采样率设为20kHz，每类样本数量在200个左右。当然，项目里完全可以用公开数据集替换，比如凯斯西储大学轴承数据中心的那份经典数据，组织结构完全一样，只是下载以后要自己按故障类型和负载工况切分。

数据的切片方式直接影响模型泛化能力。我的做法是，先把每一段较长的连续信号按固定窗口长度滑动切分，窗口长度取2048个采样点，重叠率50%。这样相当于把一段信号变成多个短样本，丰富训练集，同时保留样本之间的连续性。如果重叠率太高，相邻样本高度相关，训练集和验证集的划分要特别注意，避免同一条连续信号被同时分进训练集和验证集，否则验证指标会虚高。

Matlab里读入数据后，通常会先做一步标准化。标准化要按训练集的均值和标准差来做，不能用全局数据直接算，否则会把验证集的信息泄漏进训练过程，这一点我见过不少人搞错。

4.2 WMSST变换的Matlab实现逻辑

Matlab做WMSST，一种思路是调用连续小波变换，再自行完成同步压缩重分配。框架类的代码大致是这样的逻辑：

% 读取一段振动信号，假设变量名为sig，采样率fs % 第一步：连续小波变换 [wt, f] = cwt(sig, 'amor', fs); % 使用复数Morlet小波 % cwt函数返回小波系数矩阵wt和对应频率f % 第二步：计算瞬时频率估计 % 对小波系数在时间维度上求相位差分，得到瞬时频率偏移量 phase = angle(wt); dphase = diff(phase, 1, 2); % 注意相位差需要做解缠绕处理，防止跳变 dphase = unwrap(dphase, [], 2); % 第三步：频率重分配 % 将每个时频单元的能量映射到估算出的瞬时频率位置 % 这里根据dphase得到频率修正量，然后累加到新矩阵syn_spectrum中 syn_spectrum = zeros(size(wt)); for tIdx = 1:size(wt, 2)-1 freqShift = dphase(:, tIdx) / (2*pi) * fs; originalFreq = f; targetFreq = originalFreq + freqShift; % 将能量按目标频率位置分配，边界外的能量舍弃 for fIdx = 1:length(originalFreq) [~, targetIdx] = min(abs(f - targetFreq(fIdx))); if targetIdx >= 1 && targetIdx <= length(f) syn_spectrum(targetIdx, tIdx) = syn_spectrum(targetIdx, tIdx) + abs(wt(fIdx, tIdx)).^2; end end end % syn_spectrum就是同步压缩后的高分辨率时频谱

用连续小波变换自带函数的好处是快且稳定，不用自己实现复杂的滤波器组。如果要用多尺度特性，也就是标题里的WMSST，核心区别在于不是只用单一中心频率的小波基，而是在多个中心频率尺度上分别做同步压缩，再做加权融合。Matlab里可以通过循环对不同的中心频率范围执行cwt和同步压缩，再合并结果。

需要提醒的是，上面这段循环如果直接用，在长信号上会非常慢。实际项目里建议把频率轴离散化后，利用矩阵运算一次性完成重分配，或者在cwt函数返回的系数矩阵上直接做插值操作，速度快几十倍。第一次调试先把功能跑通，确认时频图形态正确之后，再做性能优化。

4.3 MCNN-BiGRU网络搭建的Matlab代码逻辑

Matlab深度学习工具箱里搭建这种组合网络，有两种做法。一种是用layerGraph方式搭网络层，另一种是写自定义训练循环，用dlnetwork对象管理网络结构。两种我都用过，如果只是做故障分类实验，layerGraph足够；如果想要更灵活地控制训练细节或者在中间层做特征提取，dlnetwork更顺手。

层图搭建的核心代码如下：

% 输入层，假设输入是WMSST时频特征序列 % 每一行代表一个样本，每一列代表时频特征 inputSize = [1024, 1, 1]; % 三个并行卷积分支，通过分支的卷积核尺寸不同实现多尺度 branch1 = [ convolution1dLayer(3, 32, 'Padding', 'same', 'Name', 'conv1_3') batchNormalizationLayer('Name', 'bn1_3') reluLayer('Name', 'relu1_3') ]; branch2 = [ convolution1dLayer(5, 64, 'Padding', 'same', 'Name', 'conv1_5') batchNormalizationLayer('Name', 'bn1_5') reluLayer('Name', 'relu1_5') ]; branch3 = [ convolution1dLayer(7, 64, 'Padding', 'same', 'Name', 'conv1_7') batchNormalizationLayer('Name', 'bn1_7') reluLayer('Name', 'relu1_7') ]; % 拼接三个分支的输出，此时特征维度 = 32 + 64 + 64 concatLayer = concatenationLayer(1, 3, 'Name', 'concat_multi'); % BiGRU层 bgruLayer = bilstmLayer(128, 'OutputMode', 'last', 'Name', 'bgru'); % 全连接和分类层 fcLayer = fullyConnectedLayer(64, 'Name', 'fc1'); dropoutLayer = dropoutLayer(0.5, 'Name', 'dropout'); outputLayer = fullyConnectedLayer(numClasses, 'Name', 'fc_out'); softmaxLayer = softmaxLayer('Name', 'softmax'); classificationLayer = classificationLayer('Name', 'output'); % 把分支连接起来构建layerGraph lgraph = layerGraph(); lgraph = addLayers(lgraph, branch1); lgraph = addLayers(lgraph, branch2); lgraph = addLayers(lgraph, branch3); lgraph = addLayers(lgraph, concatLayer); lgraph = addLayers(lgraph, bgruLayer); lgraph = addLayers(lgraph, fcLayer); lgraph = addLayers(lgraph, dropoutLayer); lgraph = addLayers(lgraph, outputLayer); % 建立输入到各分支的连接 lgraph = connectLayers(lgraph, 'input', 'conv1_3'); lgraph = connectLayers(lgraph, 'input', 'conv1_5'); lgraph = connectLayers(lgraph, 'input', 'conv1_7'); % 分支输出到拼接层 lgraph = connectLayers(lgraph, 'relu1_3', 'concat_multi/in1'); lgraph = connectLayers(lgraph, 'relu1_5', 'concat_multi/in2'); lgraph = connectLayers(lgraph, 'relu1_7', 'concat_multi/in3'); % 拼接层到BiGRU，再到全连接 lgraph = connectLayers(lgraph, 'concat_multi', 'bgru'); lgraph = connectLayers(lgraph, 'bgru', 'fc1'); lgraph = connectLayers(lgraph, 'fc1', 'dropout'); lgraph = connectLayers(lgraph, 'dropout', 'fc_out');

这里输入层如果要把WMSST时频图直接当图像输入，可以把inputSize改成如[64, 64, 1]这种二维尺寸，随后用convolution2dLayer。但要注意时频图的宽高比例，通常频率轴长度大于时间轴长度，卷积核也要相应调整。我建议先把每条样本的“时频特征向量化”，简化第一版实验流程，把模型主线走通后再尝试直接输入二维时频图。

lgraph搭建完以后，训练要用trainNetwork，需要把数据组织成cell数组，每个元素是一个数值数组。如果在feature维度上每个样本是1024x1的向量，那cell里放的就是1024x1的double数组。标签用categorical数组。训练选项里比较重要的是MiniBatchSize，设置为32到64比较合适，SetupSize如果显存不够就调小。训练集验证集划分按八比二，验证集用ValidationData参数传入。

4.4 训练过程与评价指标

训练完成后，用classify函数对测试集做预测。评价指标除了整体的准确率，更应该看每一类故障的召回率和精确率，以及混淆矩阵。因为故障诊断的代价极不对称，漏报一个故障可能带来设备损坏，误报一个正常状态只是浪费一次停机检查，所以单看准确率会掩盖不少问题。

评估阶段我还喜欢把网络中间层的特征提取出来，用t-SNE降维后做可视化。如果同一故障类别的特征点在二维平面上聚成一团，不同类别明显分开，说明模型真正学到了可区分的特征。如果特征图里各类别混杂在一起，哪怕准确率看起来不错，也说明模型可能是靠某些偶然的模式过拟合出来的，泛化能力堪忧。

5. 常见问题与调参经验实录

5.1 时频图模糊问题

做WMSST之后如果发现时频图依然模糊，第一件事不是改网络结构，而是回头检查尺度参数和频率范围。很多情况下是因为尺度数太少，频率分辨率不够。可以先画几张故障和正常的时频图，肉眼看清楚故障特征频率出现在哪个区间，然后针对性加密这个频段的尺度。

还有一类情况是小波基选得不合适。故障冲击波形比较尖锐时，Morlet小波参数中带宽参数需要适当调大，让时频原子更“紧”一些。如果信号本身是高频谐振类冲击，建议试一下Morse小波。不要怕来回试，WMSST的参数选择本来就是先看时频图形态是否清晰，再考虑后续网络输入的问题。

5.2 模型过拟合问题

模型参数多、样本少的情况下，过拟合几乎必然出现。手势之一就是训练集准确率无限接近100%，验证集准确率卡在90%以下甚至更低。解决的优先级是从高到低：先增加数据量，做更多工况的样本切片；再加强数据增强，比如给信号加随机噪声、随机幅值扰动、时序轻微偏移；最后调节Dropout概率，从0.3往0.5方向调。

另外一个容易被忽视的点是特征标准化方式。前面说过，标准化参数只能从训练集里统计，如果你不小心用了全量数据统计，验证集信息相当于提前混进了训练阶段，验证集准确率会虚高，但一到新的真实数据就原形毕露。

5.3 BiGRU训练慢和收敛不稳

双向循环层确实比纯卷积网络训练慢，因为序列长度直接决定了展开步数。训练慢的时候，首先把输入序列缩短。WMSST时频矩阵按时间轴下采样，比如每两个点取一个平均能量，序列长度减半，特征依然保留全局趋势。然后调高初始学习率到2e-3，观察前几个epoch的损失变化，如果震荡剧烈再降回来。

收敛不稳定的另一个常见原因是RNN类层对输入特征的量纲敏感。卷积层输出经过ReLU之后基本都大于零，但数值范围可能差异大。在进入BiGRU之前再加一个LayerNormalization层，可以把特征分布拉平，训练稳定性明显提升。Matlab里直接用layerNormalizationLayer就行，放在拼接层之后、BiGRU之前。

5.4 故障类别混淆

类别混淆往往集中在相似故障模式之间，比如内圈故障和外圈故障，它们的特征频率存在整数倍谐波关系，很容易相互干扰。这种情况下网络结构已经够强，问题出在时频特征本身区分度不够。一个行之有效的补充特征是把包络谱也一并输入网络，把原始信号经过带通滤波和希尔伯特解调得到的包络谱特征和WMSST时频特征拼接起来，故障特征被双重强调，混淆大幅减少。

另外一个思路是把WMSST的相位信息也利用起来。很多实现里只取幅值谱，相位信息被丢弃了，但相位里往往藏着故障冲击的时序信息。将幅值和相位构造成复数输入，或者分别作为两个通道输入网络，可以提升分类边界。

5.5 类别不平衡数据

工业数据里正常样本远多于故障样本，这是常态。处理方式在第三章已经提过，除了加权采样，还可以用合成少数类过采样技术生成一些虚拟故障样本。生成的样本不需要太多，只要能把类别分布拉得不那么极端就行。但要控制生成样本的多样性，防止大量重复样本导致对特定样本的过拟合。

最后想单独说的几点体会

这套WTMBiGRU方案跑下来，我个人最大的感受是，真正决定诊断效果上限的不是网络结构有多深，而是时频变换这一步做得好不好。WMSST把物理层面的信息压缩得越干净，MCNN和BiGRU的学习压力越小。很多同学一上来先把网络搭得很复杂，结果输入的数据还是一片模糊，后面全部白搭。建议拿到任何新数据后，不要急着调网络，先把WMSST的时频图打印出来，肉眼分析故障特征是否清晰可见，这一步满意了，再加入深度学习部分。

训练过程里还有一个值得记录的小技巧：BiGRU的输入序列顺序和数据切片顺序要保持对应关系，如果训练时把样本顺序打乱了，但序列内部的时间顺序也一起乱了，模型就学不到故障演化的时序规律。我做数据增强时踩过这个坑，随机打乱样本时把每个样本内部的时间轴也打乱了，结果验证准确率一下掉了十几个点，后来才发现是augmentation操作作用在了错误维度上。

之后如果再扩展，这套方案还可以往几个方向走。一是引入迁移学习，把在某个转速工况下训练好的WMSST时频特征提取能力迁移到别的转速工况，减少重新采集和标注的成本。二是做小样本版本，用元学习或者对比学习降低对大量标签的依赖。三是把WMSST和网络的整个流程固化成一个Matlab App，让现场工程师直接导入信号文件就能得到诊断结果，工程落地价值会比单纯模型训练大得多。先把目前这套结构跑稳，后面每一步扩展都有底子。