基于STFT-CNN-BiGRU的故障诊断方法：从时频图到深度学习分类-北京尧图网络

搞设备故障诊断这几年我最大的感受就是信号处理方法和深度学习模型的组合不是越新越好而是匹配度越高越好。早先处理振动数据大家习惯先做FFT看频谱再找特征频率可一旦设备转速波动、负载突变非平稳信号会让频谱图变得一塌糊涂。后来我尝试把短时傅里叶变换STFT、卷积神经网络CNN和双向门控循环单元BiGRU串成一条链路用STFT出时频图用CNN抠图里的局部纹理用BiGRU抓时间维上的前后依赖在Matlab里把整套流程撸了出来。这篇就把这套方案的原理、代码和调参过程完整展开适合正在做故障诊断、状态监测相关课题的同行参考。1. 为什么故障诊断偏偏选STFTCNNBiGRU这套组合药方1.1 只盯频谱图的传统做法在复杂工况下为什么会失灵先说传统FFT的毛病。FFT的本质是把整段信号看作平稳信号求一个全局平均频谱。对实验室里稳定转速下的振动数据这种方法确实好用转频、啮合频率、故障特征频率都在频谱上一目了然。但到了实际现场设备转速波动、负载变化、冲击干扰是常态信号的频率成分会随时间改变。这个时候整段做一次FFT得到的是无数个瞬间频谱的叠加平均故障特征频率可能被抹平甚至被强烈的背景噪声盖住。我印象很深的一个案例某工厂透平机组轴承外圈出现早期剥落用整段FFT分析时特征频率峰值只比噪声底高一点点肉眼很难判断但把同样一段信号按时间展开看时频图故障引起的反复冲击在时频图上一段一段地出现非常有规律。这就是时频分析的价值——它保留了频率随时间怎么变这层信息而传统FFT把它丢掉了。1.2 STFT把振动信号变成能看的时频图STFT的思路很直白信号不是非平稳吗那我把它切成一小段一小段每一段足够短短到段内的信号可以近似看成平稳的然后对每一小段做FFT。把所有小段的频谱按时间顺序拼起来就是一张二维的时频图横轴是时间纵轴是频率颜色或灰度表示该时刻该频率上的能量强度。用生活里的例子类比FFT相当于给整段信号拍一张照片记录了这个场景整体长什么样STFT相当于拍一段视频记录了画面随着时间怎么变化。故障诊断里很多关键线索恰恰藏在变化里所以视频比照片有用。Matlab里生成STFT时频图非常方便核心就是spectrogram函数fs 20480; % 采样率Hz window hann(256); % 窗函数256点汉宁窗 noverlap 128; % 相邻窗重叠128点50%重叠 nfft 512; % FFT点数 [S, F, T] spectrogram(x, window, noverlap, nfft, fs); tfSpec abs(S); % 幅值谱作为时频图的像素值这里的S是一个复数矩阵行对应频率、列对应时间abs(S)取幅值后就是时频图的灰度值。图像大小由nfft和信号长度决定nfft 512时频率轴有257个点。1.3 CNN和BiGRU在这套方案里各自扮演什么角色时频图本质上是一张图像而CNN最擅长的就是从图像里提取局部纹理特征。故障冲击、谐波成分、边频带这些信息在时频图上会形成特定的纹理和形状模式。CNN通过卷积核在图上滑动能自动把这些局部特征一层层抽象出来不需要人工设计特征工程这是它取代人工特征提取器的根本原因。BiGRU则负责处理时间维度上的依赖关系。时频图除了像一张图还隐含了时间先后顺序这层关系。某个故障是否发生、故障严重程度如何演变往往和前后若干时刻的能量变化模式强相关。BiGRU是双向循环网络它会从两个方向扫描时序特征一个方向从开头读到结尾另一个方向从结尾读到开头这样每个时刻的输出都能同时参考前后文的信息。打个比方CNN像一个细心的检查员逐区域观察时频图上的异常纹理BiGRU像一个了解全局的调度员知道前面发生了什么、后面会怎么演变。两者结合既抓住了空间局部特征又抓住了时序全局依赖这正是故障诊断里最需要的两种视角。2. 模型结构与关键参数每个模块怎么定才不白搭2.1 顶层设计一维信号到故障类别的完整数据流整个模型的数据流可以概括为原始振动信号 → 滑窗分段 → 每段做STFT变换 → 得到时频图 → 归一化 → CNN提取空间特征 → 特征图按时间维拆解为特征序列 → BiGRU捕捉时序依赖 → 全连接层 → Softmax分类输出。这里最核心、也最容易卡住新手的一步是CNN输出特征图和BiGRU之间的衔接。CNN的卷积操作天然接受二维图像输入输出也是二维或三维的特征图而BiGRU要求输入是特征序列序列每个时刻对应一个特征向量。直接把CNN连到BiGRU在Matlab的层图里会报维度不匹配。工程上我推荐一种两阶段思路第一阶段用CNN训练一个图像分类器训练完成后去掉最后的全连接分类层把模型当作特征提取器第二阶段把每张时频图送进CNN得到特征图再按时间轴把特征图展开成序列喂给BiGRU做时序分类。这样两个阶段都能用Matlab自带的trainNetwork不需要手写复杂的自定义训练循环调试难度低不少。下面的章节都围绕这条路线展开。2.2 STFT参数怎么选窗口、重叠率和FFT点数的取舍STFT的参数选择直接决定时频图的质量这一步做不好后面网络再强也没用。三个关键参数窗函数、窗口长度、重叠率。窗函数首选汉宁窗。振动信号分析里汉宁窗的旁瓣衰减好能有效抑制频谱泄漏矩形窗虽然主瓣窄但旁瓣泄漏严重容易把强频率成分的泄漏盖到弱频率成分上不推荐。窗口长度是频率分辨率和时间分辨率之间的权衡。频率分辨率Δf fs / nfft窗口长度越长频率分辨率越高但窗口越长时间定位越模糊对非平稳突变信号的响应越差。下面是我在采样率20480Hz下的一组对比参数设置频率分辨率帧数1s信号适用场景窗长256nfft 256重叠50%80Hz159帧转速变化快关注瞬态冲击窗长512nfft 512重叠50%40Hz79帧转速较稳兼顾频谱细节窗长1024nfft 1024重叠50%20Hz39帧转速极稳关注低频精细特征从上表能直观看出窗口越长、频率分辨率越好但时间帧数变少后续喂给BiGRU的序列长度也会缩短。序列太短时序信息就少了。我在大多数滚动轴承诊断项目里的经验是取窗长512、50%重叠这是一个比较稳的中间值。振动冲击类故障如果转速波动明显建议缩到256。重叠率方面50%起步75%更好但计算量增加。重叠的目的是让相邻窗口之间有连续性避免把同一个瞬态冲击切到两个窗口里导致特征断裂。我先给一组实际跑出来的数据重叠率从0%提高到50%准确率大约提升2-4个百分点再提高到75%提升就不太明显了。2.3 CNN层设计思路卷积核尺寸、通道数和池化策略CNN部分不需要堆得特别深时频图的尺寸本来就不大典型的输入是257×79这类灰度图网络太深反而容易过拟合。我常用的结构是三层卷积16通道、32通道、64通道卷积核全部用3×3。小卷积核的优势是参数量少、非线性表达能力更强。两个3×3卷积堆叠的感受野等于一个5×5卷积但参数只有后者的18/25还多了一层非线性激活。卷积层之间插入批归一化层和ReLU每层卷积后接一个2×2最大池化把特征图尺寸减半这样既能压缩计算量也能让特征具有一定的平移不变性。一个关键细节因为后面要接BiGRU所以CNN的池化不能把时间维彻底压没。时频图高度方向频率压到只剩几行甚至1行的程度都可以接受但宽度方向时间最好保留足够的帧数。如果三层池化后时间维只剩十几个点BiGRU能利用的时序上下文就太少了。我在设计里会把时间维的池化步长控制得比频率维宽松一些有时干脆只在频率方向做全局池化时间方向保持原样。2.4 BiGRU衔接技巧特征图如何按时间轴拆成序列这一节是整个方案里最值得仔细琢磨的环节。假设CNN最后一个卷积层输出的特征图尺寸是H×W×C其中H是频率维高度W是时间维宽度C是通道数。要把它转成BiGRU能吃的序列我的做法是把每个时间帧对应的频率维和通道维拼成一个向量。具体来说特征图原本有W个时间帧每个时间帧对应一个H×C的二维块。把这个二维块拉平变成长度H*C的一维向量那么这个向量就同时包含了该时刻所有频率成分的响应强度和各通道提取到的抽象特征。这样一张特征图就变成了一个长度为W、特征维度为H*C的序列。W是序列长度H*C是每个时刻的特征维度。实际操作时还可以加一个简化操作在频率方向做全局平均池化把H压缩成1这样每个时间帧的特征长度就变成C和通道数一致。这个操作等于把每个时刻的频谱信息压缩成这一时刻各种特征模式的综合强度更省内存训练也更快。我在项目中实测全局频率池化和直接拉平相比准确率几乎没差别但训练速度快了差不多三分之一。BiGRU这边我一般用一层或两层隐藏单元数取64。输入维度是C输出模式选last也就是只取序列最后一刻的隐藏状态作为整个序列的汇总表示接一个全连接层和Softmax层做分类。3. Matlab代码落地从数据预处理到训练评估3.1 数据读取与样本分段实际工程里的原始振动信号往往是长时间连续采集的不能直接整段丢进网络要先按固定长度切成样本。切分时要注意两点一是每个样本的物理长度要足够包含几个完整的故障冲击周期二是样本之间尽量不要有太多重叠否则训练集和测试集容易混入同一段数据后面会细说这个问题。% 读取原始振动信号假设为单一测点数据 data load(vibration_signal.mat); x data.signal; fs 20480; % 按样本长度切分每个样本0.25秒即5120个点 sampleLen 5120; numSamples floor(length(x) / sampleLen); X zeros(sampleLen, numSamples); for i 1:numSamples X(:, i) x((i-1)*sampleLen 1 : i*sampleLen); end每个样本0.25秒在20480Hz采样率下已经能覆盖绝大多数滚动轴承故障特征频率的好几个周期足够CNN-BiGRU模型提取有效特征。样本数不够多的时候可以按50%重叠再切一次相当于做简单数据增强。3.2 STFT时频图生成与归一化对每个样本生成STFT时频图保存为一个三维数组方便后面批量训练。归一化这一步我建议放在STFT之后做对幅值谱进行最小-最大归一化把像素值压到0到1之间这样CNN的输入范围稳定训练更平稳。% 批量生成STFT时频图 windowLen 512; noverlap round(windowLen * 0.5); nfft 512; [numPts, numSamples] size(X); tfImgs []; for i 1:numSamples [S, ~, ~] spectrogram(X(:, i), hann(windowLen), noverlap, nfft, fs); spec abs(S); % 幅值谱矩阵 spec spec / (max(spec(:)) eps); % 最小-最大归一化 tfImgs cat(3, tfImgs, spec); % 按第三维堆叠 end % tfImgs 现在是 [freqBins, timeFrames, numSamples] 的数组需要注意的是spectrogram默认只返回频带0到奈奎斯特频率的部分所以freqBins是nfft/21。如果信号量纲差异大不同工况采集的数据幅值差很多归一化要按整个数据集的最大最小值做而不是每张图单独做否则会破坏样本间的相对幅值信息。3.3 自定义网络与训练选项设置CNN部分我用trainNetwork训练先把数据转换成Matlab标准格式% 把时频图整理成 imageInputLayer 接受的 4 维数组 T size(tfImgs, 2); % 时间帧数 F size(tfImgs, 1); % 频率点数 XCNN reshape(tfImgs, [F, T, 1, numSamples]); % H×W×C×N YCategorical categorical(labels); % labels 是故障类别向量 % CNN网络结构 cnnLayers [ imageInputLayer([F, T, 1], Name, input, Normalization, none) convolution2dLayer([3 3], 16, Padding, same, Name, conv1) batchNormalizationLayer(Name, bn1) reluLayer(Name, relu1) maxPooling2dLayer([2 1], Stride, [2 1], Name, pool1) % 只在频率方向池化 convolution2dLayer([3 3], 32, Padding, same, Name, conv2) batchNormalizationLayer(Name, bn2) reluLayer(Name, relu2) maxPooling2dLayer([2 1], Stride, [2 1], Name, pool2) convolution2dLayer([3 3], 64, Padding, same, Name, conv3) batchNormalizationLayer(Name, bn3) reluLayer(Name, relu3) globalMaxPooling2dLayer(Name, globalPool) % 全局池化输出一维特征 fullyConnectedLayer(numClasses, Name, fc) softmaxLayer(Name, softmax) classificationLayer(Name, output) ];留意这里的池化层我用的是[2 1]的核只在频率方向压缩时间方向尺寸不变目的就是给后面的BiGRU保留足够的时序长度。CNN训练完成后去掉fc、softmax和classification三层剩下的部分就是特征提取器cnnFeatNet layerGraph(cnnLayers); cnnFeatNet removeLayers(cnnFeatNet, {fc, softmax, output}); % 前向传播提取每个样本的深层特征 featMap predict(dlnetwork(cnnFeatNet), dlarray(XCNN, SSCB));这里的SSCB是Matlab dlnetwork的常用数据格式标签表示空间S、通道C、批量B。特征图尺寸是[1, T, 64, N]把它reshape成序列格式每个样本是T步、每步64维特征向量。BiGRU网络的搭建就非常清晰了% 将CNN特征图转成序列形式 [~, T, C, N] size(featMap); XSeq squeeze(featMap); % 变成 [T, C, N]每步64维 XSeqCell cell(N, 1); for i 1:N XSeqCell{i} squeeze(XSeq(:, :, i)); % [T×C]时间作为序列步 end % BiGRU分类网络 gruLayers [ sequenceInputLayer(C, Name, seqInput) bilstmLayer(64, OutputMode, last, Name, bilstm) fullyConnectedLayer(numClasses, Name, fc) softmaxLayer(Name, softmax) classificationLayer(Name, output) ]; options trainingOptions(adam, ... MiniBatchSize, 32, ... InitialLearnRate, 1e-3, ... MaxEpochs, 60, ... GradientThreshold, 1, ... Shuffle, every-epoch, ... Plots, training-progress, ... Verbose, true); gruNet trainNetwork(XSeqCell, YCategorical, gruLayers, options);这里我把完整流程拆成两段用Matlab自带的训练函数都能跑通。如果你对自定义训练循环比较熟也可以用dlnetwork把CNN和BiGRU拼成一个整体做端到端训练效果会更好一些但工程复杂度会明显上升一般项目里两阶段已经完全够用。3.4 训练后的评估混淆矩阵和特征可视化模型训练完评估不能只看准确率一个数。故障诊断里最怕的是把A类故障误判成B类所以必须看混淆矩阵确认哪些类别容易混淆。用confusionchart一行代码就能出图YPred classify(gruNet, XTestSeqCell); confusionchart(yTest, YPred);除了混淆矩阵我还会用t-SNE对BiGRU最后一层全连接层前的特征做降维可视化。如果同类样本在特征空间里聚成一团、不同类之间分得很开说明模型学到的特征有区分度如果是混成一片的那大概率是前面特征提取环节有问题回去查STFT参数或CNN结构而不是盲目调BiGRU。4. 调参实践对精度影响最大的几个旋钮4.1 窗口长度频率分辨率和时间分辨率的拔河先说窗口长度对最终诊断准确率的影响这组数据是我在一个四分类轴承故障数据集上实测得到的正常、内圈故障、外圈故障、滚动体故障每类200个样本随机划分80%训练、20%测试。窗长nfft时间帧数测试准确率训练时间/epoch2562563993.6%8s5125127997.2%12s1024102415996.1%22s窗口从256增加到512频率分辨率翻倍准确率明显提升继续增到1024准确率反而小幅下降。原因就在于时间帧数增多虽然给了BiGRU更长的序列但窗口过长让时间定位变模糊快速变化的冲击特征被平均掉了。这个趋势在不同数据集上方向一致只不过最优窗口位置会随采样率和故障类型漂移。我的建议是从fs/40到fs/20这个范围试比如采样率20480Hz就是512到1024点。4.2 学习率与批量大小收敛速度和稳定性的平衡学习率是最容易踩坑的超参数。用Adam优化器时初始学习率我测过1e-2、1e-3、1e-4三档。1e-2的情况下训练损失在第5个epoch左右就开始振荡准确率始终在75%附近徘徊这说明学习率太大参数在最优解附近来回震荡不收敛。降到1e-3后损失曲线平滑下降大约20个epoch准确率突破95%训练过程稳定。1e-4虽然也能收敛但要到50个epoch之后才接近95%太慢了。批量大小的影响更多体现在稳定性上。我试过16、32、64。32是最平衡的梯度估计足够稳定训练速度也快。16的批量小梯度噪声大收敛曲线抖动明显但对小数据集有点正则化效果64的批量大趋势平稳不过在样本量只有几百的情况下容易收敛到尖锐的极小值泛化反而略差。实操建议先固定批量32学习率从1e-3起步如果损失曲线前期抖动明显就降半档如果损失下降地太慢再考虑增大学习率。4.3 BiGRU隐藏单元数与过拟合越大不一定越好BiGRU隐藏单元数决定了模型对时序信息的记忆容量。隐藏单元太少模型记不住长距离的依赖关系太多容易把训练数据里的噪声也背下来测试集上反而变差。我测过一组隐藏单元数16、32、64、128的结果隐藏单元数测试准确率训练准确率是否过拟合1694.3%97.8%轻微3296.1%99.4%轻微6497.2%100%轻微12896.7%100%较明显从结果看128个隐藏单元在训练集上已经完全记住但测试准确率反而低于64说明过拟合已经开始吃掉泛化能力。一个普遍的规律是隐藏单元数量在不超过训练样本数的1/50到1/100时比较安全。我那个实验训练样本约640个64个隐藏单元对应的比例大概是1/10已经偏高了但因为BiGRU结构本身有门控机制对过拟合有一定抑制作用所以实测还撑得住。如果你的数据集更小建议把隐藏单元降到32同时加一点dropout比如bilstmLayer(32, OutputMode, last)后面接一个dropoutLayer(0.2)。5. 最容易踩的坑5.1 数据泄露跨样本切分为什么会让指标虚高这个坑我在最早做实验的时候踩过一次后果是测试准确率高达99%换到真实现场数据直接掉到80%出头。问题出在数据划分上我把连续的振动信号先重叠切分再随机把这些样本分到训练集和测试集。表面上看训练和测试样本是独立的但实际上它们来自同一段连续信号相邻样本之间有大量重叠窗口模型相当于变相看过测试数据的邻居指标自然虚高。正确的做法是按时间段划分设备开机前3分钟的数据全部进训练集后面1分钟的数据全部进测试集。或者至少保证同一个连续采集段不会被切到两个集合里。这个原则在论文写作、项目验收里都是硬指标不提的话审稿人或客户一眼就能挑出问题。5.2 标准化和归一化的时机振动信号的幅值在不同工况、不同测点之间差异很大。如果只对每张时频图单独做幅值归一化等于把所有样本的最大值都拉到1这会抹掉这个样本振动能量更大、故障可能更严重这类重要信息。我一开始犯过这个错导致模型分不清轻微故障和严重故障只把类别分对了严重程度判断不稳定。正确的流程是先用整个训练集的幅值统计一般是均值、标准差做标准化再把同样的参数套到测试集上。具体到STFT场景可以先对原始时域信号做z-score标准化再做STFT也可以先算STFT幅值谱再用全局最大值做归一化。两种方式都能行重要的是统计量只能来自训练集不能偷看测试集。5.3 网络不收敛时的排查顺序训练时如果发现准确率始终很低、损失不降千万别一上来就调网络结构。我给自己定了一个排查顺序基本能解决90%的不收敛问题。第一步查数据先把训练集随机抽几个样本人工看一眼时频图的纹理是否正常、类别标签是否对得上。最常见的问题是数据排序时标签错位了模型在混乱标签上训练结果自然乱。第二步查学习率把初始学习率设置到1e-3如果损失前期有下降、后期停滞说明学习率合适但容量不足如果从第一步就开始发散说明学习率过高。第三步查网络连接特别是我前面说的CNN和BiGRU衔接部分确认特征图尺寸是否和sequenceInputLayer的输入维度一致。用size函数逐步打印每个环节输出的维度是排查维度不匹配最直接的笨办法。第四步才考虑改结构加dropout、减层数、增通道每次只能动一个变量同时记录实验日志不然改了什么都记不清。最后再分享一个实用的小技巧做这类实验最好把STFT参数、网络结构、训练参数、测试结果全部写进一个配置脚本里每次跑完自动保存到带时间戳的文件名里。我早期习惯手动改参数结果有一天一连跑了十几个实验回头对比数据时根本分不清哪个结果对应哪组参数浪费了大量时间。现在我的Matlab工程里所有代码都从同一个config.m读参数任何结果都能一键复现。对STFT-CNN-BiGRU这套框架代码本身并不复杂真正拉开效果差距的往往是数据划分是否干净、参数是否匹配数据特点、实验过程是否可追溯这些容易被忽略的细节。

基于STFT-CNN-BiGRU的故障诊断方法：从时频图到深度学习分类

相关推荐

Oracle大表回表过滤性能优化：从诊断到索引设计实战

一键解包打包dtbo.img工具：Windows下修改屏幕刷新率与设备树叠加层

APK反编译工具ApkToolkit实战：拆包、改smali、回编译与签名全链路

更多资讯

Gemini 4 Argon 深度解析：Android 开发者的端侧推理与多模态实战

DeepAgents插槽化设计：Agent的模型、工具、记忆等五大扩展点解析

数学建模竞赛实战：学生面试问题的组合优化建模与算法解析

Hadoop+Spark+Django构建足球数据可视化大屏完整实战

WebStorm配置ESLint：Vue项目代码规范实战指南

.NET 构建发布革新：中央包版本管理、AOT 与容器直出实践

今日更新

电商智能运营体系从0到1：架构设计、落地步骤与避坑指南

压缩空气储能与热网热惯性联合优化调度：热电联产系统建模与求解

若依框架AI代码生成不稳定？用Agent Skill三层结构+五步法搞定

本周精选

金融AI落地指南：从调研报告到技术选型与工程实践

大模型上下文成本与注意力优化技术深度解析——为何O(n²)平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测

基于GMM的语音识别系统原理与MATLAB实现详解

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？