简介这份资源是面向人工智能与深度学习方向的开发者、学生及设备运维工程师的故障检测项目源码包聚焦如何用Python构建模型从温度、压力、振动等传感器时序数据中自动学习特征完成设备异常的识别与预测从而降低维修成本、提升生产效率。压缩包共491个文件约1.19MB以254个py源码文件为核心辅以166个pyc编译缓存、30个log运行日志、15个DS_Store及少量xml、iml等配置与工程文件整体结构接近可直接运行的完整工程。内容涵盖数据集预处理、基于CNN或LSTM的模型定义、训练脚本、验证测试与推理代码并配有README说明和requirements.txt环境依赖便于复现实验。目前已有214人学习下载适合希望掌握数据预处理、模型选择、训练调参与部署落地全流程的读者参考借鉴。1. 故障检测为什么总在“没见过的故障”上翻车设备振动信号里藏着的早期故障特征往往比正常工况的噪声还弱。传统做法是人工设计特征——时域的峭度、频域的边频带、包络谱的谐波——然后丢给 SVM 或随机森林。这套流程在实验室轴承数据集上能刷到 99%可一旦换到现场新工况、新故障类型准确率断崖式下跌。原因不复杂人工特征本质上是把“已知故障的形态”写死进了模型遇到训练集里没出现过的故障模式模型没有可迁移的表征能力。基于深度学习的故障检测算法核心就是用数据驱动的表征学习替代人工特征工程。它不要求你先知道故障长什么样而是让网络从原始振动、电流、声发射信号里自己学出对异常敏感的特征。这条路适合三类人手里有大量设备运行数据但标注稀缺的运维工程师、做旋转机械状态监测的算法同学、以及想把毕设或课程项目落到真实工业场景的学生。它解决的不是“分类已知故障”而是“在只有正常数据或极少故障样本时判断设备是否偏离健康状态”。2. 从原始振动信号到模型输入故障检测的数据管线怎么搭2.1 为什么故障检测很少直接吃原始时序原始振动信号采样率动辄 12.8kHz 甚至 25.6kHz一段 10 秒的样本就是十几万个点。直接把这么长的序列喂给网络参数量和显存都吃不消而且故障特征往往集中在特定频带全带宽输入反而稀释了信噪比。常见做法是先做分帧加窗把长信号切成短片段再做时频变换得到二维时频图或者提取统计特征序列。我一般会走“分帧 → 归一化 → 时频图”这条线。帧长取 1024 或 2048 点重叠 50%这样既能覆盖轴承故障的特征频率周期又不至于让单帧太长。归一化按通道做 z-score用训练集的均值和标准差验证集和测试集复用同一组参数——这一点后面避坑章节会展开。import numpy as np from scipy import signal def frame_signal(x, frame_len2048, hop1024): 把一维振动信号切成重叠帧返回 (n_frames, frame_len) n_frames 1 (len(x) - frame_len) // hop idx np.arange(frame_len)[None, :] hop * np.arange(n_frames)[:, None] return x[idx] def to_stft_image(frames, fs12800, nperseg256): 对每帧做短时傅里叶变换取对数幅度谱作为二维输入 f, t, Z signal.stft(frames, fsfs, npersegnperseg, noverlapnperseg//2) mag np.abs(Z) # (n_frames, freq_bins, time_bins) log_mag np.log1p(mag) # 压缩动态范围避免大值主导 return log_mag.astype(np.float32)frame_len决定单帧覆盖的时间跨度2048 点在 12.8kHz 下约 160ms足够包含中低频故障冲击。hop控制帧间重叠重叠越大样本越多但冗余也越大50% 是工业场景的稳妥起点。nperseg是 STFT 的窗长256 点对应频率分辨率 50Hz对轴承外圈故障特征频率通常在几百赫兹到几 kHz 的场景够用如果故障特征在低频把nperseg加到 512 或 1024。2.2 正常样本只有一类标签怎么造故障检测和故障分类最大的区别在于分类任务每个类别都有标签检测任务通常只有大量正常运行数据故障样本极少甚至没有。这就决定了训练策略不能是标准交叉熵分类。常见三条路线第一条是自编码器重构误差。只用正常数据训练一个自编码器让它学会压缩和还原正常信号。测试时故障信号的重构误差会显著高于正常信号超过阈值就报警。优点是实现简单、不需要故障标签缺点是如果故障信号和正常信号在时频图上差异不大重构误差区分度有限。第二条是单类分类器比如 Deep SVDD让网络把正常样本映射到特征空间的一个紧凑球心附近测试时看样本到球心的距离。它比自编码器更直接地优化“紧凑性”但对超参数敏感。第三条是构造伪异常。把正常片段做时间反转、频率搬移、加噪造出“不像正常”的样本然后训练二分类器。这条路线在数据增强充分时效果很好但伪异常的构造方式决定了模型能检测到哪类异常——如果只做加噪模型可能只对噪声敏感对冲击类故障不敏感。我一般先用自编码器跑一版基线确认重构误差在正常/故障上有区分度再决定要不要上更复杂的单类分类。如果自编码器都分不开说明输入表征有问题换更复杂的模型也救不回来。2.3 一个能跑通的最小训练循环下面这段代码用 PyTorch 搭一个卷积自编码器输入是上一步得到的时频图损失用 MSE。关键点在于训练集只放正常样本验证集里混入故障样本用来观察重构误差分布。import torch import torch.nn as nn class ConvAE(nn.Module): def __init__(self, in_ch1): super().__init__() self.encoder nn.Sequential( nn.Conv2d(in_ch, 16, 3, stride2, padding1), nn.ReLU(), nn.Conv2d(16, 32, 3, stride2, padding1), nn.ReLU(), nn.Conv2d(32, 64, 3, stride2, padding1), nn.ReLU(), ) self.decoder nn.Sequential( nn.ConvTranspose2d(64, 32, 3, stride2, padding1, output_padding1), nn.ReLU(), nn.ConvTranspose2d(32, 16, 3, stride2, padding1, output_padding1), nn.ReLU(), nn.ConvTranspose2d(16, in_ch, 3, stride2, padding1, output_padding1), ) def forward(self, x): z self.encoder(x) return self.decoder(z) # 训练循环核心 model ConvAE().cuda() opt torch.optim.Adam(model.parameters(), lr1e-3) criterion nn.MSELoss() for epoch in range(50): model.train() for batch in normal_loader: # 只含正常样本 x batch.cuda() recon model(x) loss criterion(recon, x) opt.zero_grad(); loss.backward(); opt.step()编码器三层卷积把时频图逐步下采样每层通道翻倍最终得到一个低维特征图。解码器用转置卷积还原。stride2配合padding1和output_padding1保证输入输出尺寸一致。学习率 1e-3 是 Adam 的常规起点如果重构误差下降太慢可以降到 5e-4。训练轮数不是越多越好自编码器在正常数据上过拟合后对故障的重构误差也会被拉低反而降低区分度——通常看验证集上正常/故障重构误差的比值比值开始下降就停。3. 阈值怎么定、模型怎么评故障检测的评估与调参3.1 重构误差阈值不是拍脑袋定的自编码器训练完之后每个样本得到一个重构误差标量。正常样本的误差分布通常近似高斯故障样本的误差分布会右移。阈值就卡在两条分布之间。但实际中故障样本太少没法画出一条可靠的故障分布曲线所以常用正常样本误差的统计量来定阈值。我一般用正常验证集误差的均值和标准差阈值 μ kσk 取 3 到 6。k3 时误报率约 0.3%但漏报可能偏高k6 时误报极低但轻微故障可能漏掉。具体取多少取决于业务对误报和漏报的容忍度——停机成本高的场景宁可误报k 取小维护资源有限的场景宁可漏报k 取大。# 用正常验证集确定阈值 model.eval() normal_errors [] with torch.no_grad(): for batch in normal_val_loader: x batch.cuda() err ((model(x) - x) ** 2).mean(dim[1,2,3]) normal_errors.append(err.cpu()) normal_errors torch.cat(normal_errors) mu, sigma normal_errors.mean().item(), normal_errors.std().item() threshold mu 4 * sigma # k4 作为起点 print(f阈值: {threshold:.6f}, 正常误差均值: {mu:.6f})注意这里用的是验证集而不是训练集。训练集误差会被模型“记住”而偏低用它定阈值会导致阈值过紧、误报偏高。验证集必须是训练时没见过的正常样本。3.2 评估指标别只看准确率故障检测的评估和分类任务不同。正常样本远多于故障样本时准确率会被正常样本主导——全判正常也能有 95% 以上的准确率。真正有意义的指标是指标含义关注场景召回率故障样本中被检出的比例安全关键设备漏报代价高精确率报警样本中真故障的比例维护资源有限误报代价高F1召回和精确的调和平均综合权衡误报率正常样本被误判为故障的比例直接影响运维信任度检测延迟从故障发生到报警的时间差早期预警场景我习惯先看召回率能不能到 90% 以上再看误报率能不能压到 5% 以下。如果召回够但误报高调大 k如果误报低但召回不够说明模型对故障不敏感得回去改网络结构或输入表征而不是继续调阈值。3.3 超参数调整的优先级故障检测模型的超参数很多但影响程度差别很大。按我的经验优先级从高到低第一是输入表征。时频图的窗长、频率分辨率、是否取对数这些决定了故障特征在输入里是否可见。表征不对后面怎么调都白搭。第二是阈值策略。k 值直接决定误报/漏报的平衡而且调整成本最低。先把阈值调到业务可接受的范围再考虑改模型。第三是网络容量。自编码器的层数、通道数、 latent 维度。latent 太小会欠拟合正常数据重构误差整体偏高latent 太大会过拟合故障和正常的重构误差拉不开。通常 latent 维度取输入维度的 1/10 到 1/20 作为起点。第四是训练轮数和学习率。这两个影响收敛质量但相比前三项调整空间有限。4. 故障检测落地时最容易踩的五个坑4.1 用全局统计量做归一化测试集信息泄漏现象离线评估指标很好上线后误报率飙升。原因归一化时用了全量数据的均值和标准差测试集的信息泄漏到了训练阶段。模型在评估时“见过”测试集的分布上线后新数据分布略有偏移就失效。解决归一化参数必须只用训练集计算验证集和测试集复用。代码上就是把mean和std存下来推理时加载同一组值。# 正确做法训练集算参数存下来 train_mean train_data.mean() train_std train_data.std() np.savez(norm_params.npz, meantrain_mean, stdtrain_std) # 推理时加载 params np.load(norm_params.npz) x_norm (x - params[mean]) / (params[std] 1e-8)4.2 训练集里混入了故障样本现象模型对训练时见过的故障类型检测很好对新故障类型完全无感。原因采集正常数据时没有严格筛选设备已经存在早期故障但没被发现这些样本被当成正常数据训练。模型学会了“这种早期故障也是正常的”自然检测不出来。解决训练前对正常数据做一次无监督异常筛查把重构误差或密度估计的离群点剔掉。另外正常数据要覆盖多种工况——不同转速、不同负载——否则模型只学会了一种正常模式。4.3 时频图尺寸不统一导致 batch 拼接失败现象DataLoader 报错说 tensor 尺寸不一致。原因不同样本的长度不同分帧后帧数不同STFT 后的时间维长度也不同。直接 collate 会失败。解决要么在分帧时固定帧数截断或填充要么在 STFT 后对时间维做自适应池化到固定长度。我一般用固定帧数加随机裁剪训练时随机裁一段推理时取中间段。def fix_length(frames, target_frames64): if len(frames) target_frames: start np.random.randint(0, len(frames) - target_frames 1) return frames[start:start target_frames] pad target_frames - len(frames) return np.pad(frames, ((0, pad), (0, 0)), modeedge)4.4 阈值在验证集上过拟合现象验证集上误报和漏报都很漂亮换一批正常数据误报就上去了。原因反复在同一个验证集上调 k 值本质上是在对验证集过拟合。验证集变成了“测试集”。解决留一个独立的测试集只在最终评估时用一次。调 k 的时候用验证集但 k 的候选值不要太多3、4、5、6 四个档位足够。如果验证集本身样本量小用交叉验证的方式估计误差分布。4.5 忽略工况变量导致模型学偏现象模型在某个转速下检测正常换一个转速就大量误报。原因输入里只有振动信号没有转速、负载这些工况变量。模型把工况变化当成了故障信号。解决把工况变量作为额外输入拼接到特征层或者在训练时按工况分层采样保证每个工况下都有足够的正常样本。如果工况变量拿不到至少要做工况归一化——比如按转速对振动幅值做补偿。5. 用重构误差的分布形态做早期预警一个可复用的技巧阈值报警是二值的——要么报要么不报。但重构误差本身是连续值它的变化趋势比单点是否超阈值更有信息量。我后来养成了一个习惯不只看当前误差有没有超阈值还看误差的滑动均值和方差有没有持续上升。早期故障的特征往往很弱单点误差可能没超阈值但误差分布的均值和方差已经在缓慢漂移。具体做法是维护一个长度为 W 的滑动窗口计算窗口内重构误差的均值和标准差然后对均值序列做趋势检验。如果均值在连续多个窗口内单调上升即使还没超阈值也值得提前关注。from collections import deque class DriftDetector: def __init__(self, window50, trend_len5): self.window deque(maxlenwindow) self.trend_len trend_len self.means deque(maxlentrend_len) def update(self, error): self.window.append(error) if len(self.window) self.window.maxlen: self.means.append(np.mean(self.window)) if len(self.means) self.trend_len: # 简单趋势判断最近 trend_len 个窗口均值是否单调上升 m list(self.means) if all(m[i] m[i1] for i in range(len(m)-1)): return drift return normalwindow控制平滑程度50 是在 1 秒一个样本时约 50 秒的窗口对缓慢退化类故障合适如果故障发展很快窗口要缩短到 10 到 20。trend_len是连续上升的窗口数5 意味着连续 5 个窗口均值都在涨才报漂移避免单次波动触发。这个漂移检测不能替代阈值报警而是作为补充——阈值报警抓突发故障漂移检测抓缓慢退化。验证这个技巧是否有效可以拿一批已知的早期故障数据看漂移检测能不能比阈值报警提前触发。我试过的场景里漂移检测通常能提前 10% 到 30% 的寿命周期发出信号代价是误报率会上升几个百分点。所以它适合作为“关注级”预警而不是“停机级”报警。最后说一个我踩过的坑漂移检测的窗口参数不能跨设备复用。不同设备的振动基线不同窗口长度和趋势长度都要按设备重新标定。我一开始图省事把所有设备的参数设成一样结果一台设备的正常启停过程被反复报漂移。后来改成每台设备单独标定用该设备历史正常数据的误差分布来确定窗口参数误报才降下来。这个方案值不值得做取决于你的设备是否值得提前预警——如果停机成本远高于误报成本加一层漂移检测是划算的。希望帮到你。本文还有配套的精品资源点击获取 基于深度学习的故障检测：从振动信号到时频图与重构误差预警
简介这份资源是面向人工智能与深度学习方向的开发者、学生及设备运维工程师的故障检测项目源码包聚焦如何用Python构建模型从温度、压力、振动等传感器时序数据中自动学习特征完成设备异常的识别与预测从而降低维修成本、提升生产效率。压缩包共491个文件约1.19MB以254个py源码文件为核心辅以166个pyc编译缓存、30个log运行日志、15个DS_Store及少量xml、iml等配置与工程文件整体结构接近可直接运行的完整工程。内容涵盖数据集预处理、基于CNN或LSTM的模型定义、训练脚本、验证测试与推理代码并配有README说明和requirements.txt环境依赖便于复现实验。目前已有214人学习下载适合希望掌握数据预处理、模型选择、训练调参与部署落地全流程的读者参考借鉴。1. 故障检测为什么总在“没见过的故障”上翻车设备振动信号里藏着的早期故障特征往往比正常工况的噪声还弱。传统做法是人工设计特征——时域的峭度、频域的边频带、包络谱的谐波——然后丢给 SVM 或随机森林。这套流程在实验室轴承数据集上能刷到 99%可一旦换到现场新工况、新故障类型准确率断崖式下跌。原因不复杂人工特征本质上是把“已知故障的形态”写死进了模型遇到训练集里没出现过的故障模式模型没有可迁移的表征能力。基于深度学习的故障检测算法核心就是用数据驱动的表征学习替代人工特征工程。它不要求你先知道故障长什么样而是让网络从原始振动、电流、声发射信号里自己学出对异常敏感的特征。这条路适合三类人手里有大量设备运行数据但标注稀缺的运维工程师、做旋转机械状态监测的算法同学、以及想把毕设或课程项目落到真实工业场景的学生。它解决的不是“分类已知故障”而是“在只有正常数据或极少故障样本时判断设备是否偏离健康状态”。2. 从原始振动信号到模型输入故障检测的数据管线怎么搭2.1 为什么故障检测很少直接吃原始时序原始振动信号采样率动辄 12.8kHz 甚至 25.6kHz一段 10 秒的样本就是十几万个点。直接把这么长的序列喂给网络参数量和显存都吃不消而且故障特征往往集中在特定频带全带宽输入反而稀释了信噪比。常见做法是先做分帧加窗把长信号切成短片段再做时频变换得到二维时频图或者提取统计特征序列。我一般会走“分帧 → 归一化 → 时频图”这条线。帧长取 1024 或 2048 点重叠 50%这样既能覆盖轴承故障的特征频率周期又不至于让单帧太长。归一化按通道做 z-score用训练集的均值和标准差验证集和测试集复用同一组参数——这一点后面避坑章节会展开。import numpy as np from scipy import signal def frame_signal(x, frame_len2048, hop1024): 把一维振动信号切成重叠帧返回 (n_frames, frame_len) n_frames 1 (len(x) - frame_len) // hop idx np.arange(frame_len)[None, :] hop * np.arange(n_frames)[:, None] return x[idx] def to_stft_image(frames, fs12800, nperseg256): 对每帧做短时傅里叶变换取对数幅度谱作为二维输入 f, t, Z signal.stft(frames, fsfs, npersegnperseg, noverlapnperseg//2) mag np.abs(Z) # (n_frames, freq_bins, time_bins) log_mag np.log1p(mag) # 压缩动态范围避免大值主导 return log_mag.astype(np.float32)frame_len决定单帧覆盖的时间跨度2048 点在 12.8kHz 下约 160ms足够包含中低频故障冲击。hop控制帧间重叠重叠越大样本越多但冗余也越大50% 是工业场景的稳妥起点。nperseg是 STFT 的窗长256 点对应频率分辨率 50Hz对轴承外圈故障特征频率通常在几百赫兹到几 kHz 的场景够用如果故障特征在低频把nperseg加到 512 或 1024。2.2 正常样本只有一类标签怎么造故障检测和故障分类最大的区别在于分类任务每个类别都有标签检测任务通常只有大量正常运行数据故障样本极少甚至没有。这就决定了训练策略不能是标准交叉熵分类。常见三条路线第一条是自编码器重构误差。只用正常数据训练一个自编码器让它学会压缩和还原正常信号。测试时故障信号的重构误差会显著高于正常信号超过阈值就报警。优点是实现简单、不需要故障标签缺点是如果故障信号和正常信号在时频图上差异不大重构误差区分度有限。第二条是单类分类器比如 Deep SVDD让网络把正常样本映射到特征空间的一个紧凑球心附近测试时看样本到球心的距离。它比自编码器更直接地优化“紧凑性”但对超参数敏感。第三条是构造伪异常。把正常片段做时间反转、频率搬移、加噪造出“不像正常”的样本然后训练二分类器。这条路线在数据增强充分时效果很好但伪异常的构造方式决定了模型能检测到哪类异常——如果只做加噪模型可能只对噪声敏感对冲击类故障不敏感。我一般先用自编码器跑一版基线确认重构误差在正常/故障上有区分度再决定要不要上更复杂的单类分类。如果自编码器都分不开说明输入表征有问题换更复杂的模型也救不回来。2.3 一个能跑通的最小训练循环下面这段代码用 PyTorch 搭一个卷积自编码器输入是上一步得到的时频图损失用 MSE。关键点在于训练集只放正常样本验证集里混入故障样本用来观察重构误差分布。import torch import torch.nn as nn class ConvAE(nn.Module): def __init__(self, in_ch1): super().__init__() self.encoder nn.Sequential( nn.Conv2d(in_ch, 16, 3, stride2, padding1), nn.ReLU(), nn.Conv2d(16, 32, 3, stride2, padding1), nn.ReLU(), nn.Conv2d(32, 64, 3, stride2, padding1), nn.ReLU(), ) self.decoder nn.Sequential( nn.ConvTranspose2d(64, 32, 3, stride2, padding1, output_padding1), nn.ReLU(), nn.ConvTranspose2d(32, 16, 3, stride2, padding1, output_padding1), nn.ReLU(), nn.ConvTranspose2d(16, in_ch, 3, stride2, padding1, output_padding1), ) def forward(self, x): z self.encoder(x) return self.decoder(z) # 训练循环核心 model ConvAE().cuda() opt torch.optim.Adam(model.parameters(), lr1e-3) criterion nn.MSELoss() for epoch in range(50): model.train() for batch in normal_loader: # 只含正常样本 x batch.cuda() recon model(x) loss criterion(recon, x) opt.zero_grad(); loss.backward(); opt.step()编码器三层卷积把时频图逐步下采样每层通道翻倍最终得到一个低维特征图。解码器用转置卷积还原。stride2配合padding1和output_padding1保证输入输出尺寸一致。学习率 1e-3 是 Adam 的常规起点如果重构误差下降太慢可以降到 5e-4。训练轮数不是越多越好自编码器在正常数据上过拟合后对故障的重构误差也会被拉低反而降低区分度——通常看验证集上正常/故障重构误差的比值比值开始下降就停。3. 阈值怎么定、模型怎么评故障检测的评估与调参3.1 重构误差阈值不是拍脑袋定的自编码器训练完之后每个样本得到一个重构误差标量。正常样本的误差分布通常近似高斯故障样本的误差分布会右移。阈值就卡在两条分布之间。但实际中故障样本太少没法画出一条可靠的故障分布曲线所以常用正常样本误差的统计量来定阈值。我一般用正常验证集误差的均值和标准差阈值 μ kσk 取 3 到 6。k3 时误报率约 0.3%但漏报可能偏高k6 时误报极低但轻微故障可能漏掉。具体取多少取决于业务对误报和漏报的容忍度——停机成本高的场景宁可误报k 取小维护资源有限的场景宁可漏报k 取大。# 用正常验证集确定阈值 model.eval() normal_errors [] with torch.no_grad(): for batch in normal_val_loader: x batch.cuda() err ((model(x) - x) ** 2).mean(dim[1,2,3]) normal_errors.append(err.cpu()) normal_errors torch.cat(normal_errors) mu, sigma normal_errors.mean().item(), normal_errors.std().item() threshold mu 4 * sigma # k4 作为起点 print(f阈值: {threshold:.6f}, 正常误差均值: {mu:.6f})注意这里用的是验证集而不是训练集。训练集误差会被模型“记住”而偏低用它定阈值会导致阈值过紧、误报偏高。验证集必须是训练时没见过的正常样本。3.2 评估指标别只看准确率故障检测的评估和分类任务不同。正常样本远多于故障样本时准确率会被正常样本主导——全判正常也能有 95% 以上的准确率。真正有意义的指标是指标含义关注场景召回率故障样本中被检出的比例安全关键设备漏报代价高精确率报警样本中真故障的比例维护资源有限误报代价高F1召回和精确的调和平均综合权衡误报率正常样本被误判为故障的比例直接影响运维信任度检测延迟从故障发生到报警的时间差早期预警场景我习惯先看召回率能不能到 90% 以上再看误报率能不能压到 5% 以下。如果召回够但误报高调大 k如果误报低但召回不够说明模型对故障不敏感得回去改网络结构或输入表征而不是继续调阈值。3.3 超参数调整的优先级故障检测模型的超参数很多但影响程度差别很大。按我的经验优先级从高到低第一是输入表征。时频图的窗长、频率分辨率、是否取对数这些决定了故障特征在输入里是否可见。表征不对后面怎么调都白搭。第二是阈值策略。k 值直接决定误报/漏报的平衡而且调整成本最低。先把阈值调到业务可接受的范围再考虑改模型。第三是网络容量。自编码器的层数、通道数、 latent 维度。latent 太小会欠拟合正常数据重构误差整体偏高latent 太大会过拟合故障和正常的重构误差拉不开。通常 latent 维度取输入维度的 1/10 到 1/20 作为起点。第四是训练轮数和学习率。这两个影响收敛质量但相比前三项调整空间有限。4. 故障检测落地时最容易踩的五个坑4.1 用全局统计量做归一化测试集信息泄漏现象离线评估指标很好上线后误报率飙升。原因归一化时用了全量数据的均值和标准差测试集的信息泄漏到了训练阶段。模型在评估时“见过”测试集的分布上线后新数据分布略有偏移就失效。解决归一化参数必须只用训练集计算验证集和测试集复用。代码上就是把mean和std存下来推理时加载同一组值。# 正确做法训练集算参数存下来 train_mean train_data.mean() train_std train_data.std() np.savez(norm_params.npz, meantrain_mean, stdtrain_std) # 推理时加载 params np.load(norm_params.npz) x_norm (x - params[mean]) / (params[std] 1e-8)4.2 训练集里混入了故障样本现象模型对训练时见过的故障类型检测很好对新故障类型完全无感。原因采集正常数据时没有严格筛选设备已经存在早期故障但没被发现这些样本被当成正常数据训练。模型学会了“这种早期故障也是正常的”自然检测不出来。解决训练前对正常数据做一次无监督异常筛查把重构误差或密度估计的离群点剔掉。另外正常数据要覆盖多种工况——不同转速、不同负载——否则模型只学会了一种正常模式。4.3 时频图尺寸不统一导致 batch 拼接失败现象DataLoader 报错说 tensor 尺寸不一致。原因不同样本的长度不同分帧后帧数不同STFT 后的时间维长度也不同。直接 collate 会失败。解决要么在分帧时固定帧数截断或填充要么在 STFT 后对时间维做自适应池化到固定长度。我一般用固定帧数加随机裁剪训练时随机裁一段推理时取中间段。def fix_length(frames, target_frames64): if len(frames) target_frames: start np.random.randint(0, len(frames) - target_frames 1) return frames[start:start target_frames] pad target_frames - len(frames) return np.pad(frames, ((0, pad), (0, 0)), modeedge)4.4 阈值在验证集上过拟合现象验证集上误报和漏报都很漂亮换一批正常数据误报就上去了。原因反复在同一个验证集上调 k 值本质上是在对验证集过拟合。验证集变成了“测试集”。解决留一个独立的测试集只在最终评估时用一次。调 k 的时候用验证集但 k 的候选值不要太多3、4、5、6 四个档位足够。如果验证集本身样本量小用交叉验证的方式估计误差分布。4.5 忽略工况变量导致模型学偏现象模型在某个转速下检测正常换一个转速就大量误报。原因输入里只有振动信号没有转速、负载这些工况变量。模型把工况变化当成了故障信号。解决把工况变量作为额外输入拼接到特征层或者在训练时按工况分层采样保证每个工况下都有足够的正常样本。如果工况变量拿不到至少要做工况归一化——比如按转速对振动幅值做补偿。5. 用重构误差的分布形态做早期预警一个可复用的技巧阈值报警是二值的——要么报要么不报。但重构误差本身是连续值它的变化趋势比单点是否超阈值更有信息量。我后来养成了一个习惯不只看当前误差有没有超阈值还看误差的滑动均值和方差有没有持续上升。早期故障的特征往往很弱单点误差可能没超阈值但误差分布的均值和方差已经在缓慢漂移。具体做法是维护一个长度为 W 的滑动窗口计算窗口内重构误差的均值和标准差然后对均值序列做趋势检验。如果均值在连续多个窗口内单调上升即使还没超阈值也值得提前关注。from collections import deque class DriftDetector: def __init__(self, window50, trend_len5): self.window deque(maxlenwindow) self.trend_len trend_len self.means deque(maxlentrend_len) def update(self, error): self.window.append(error) if len(self.window) self.window.maxlen: self.means.append(np.mean(self.window)) if len(self.means) self.trend_len: # 简单趋势判断最近 trend_len 个窗口均值是否单调上升 m list(self.means) if all(m[i] m[i1] for i in range(len(m)-1)): return drift return normalwindow控制平滑程度50 是在 1 秒一个样本时约 50 秒的窗口对缓慢退化类故障合适如果故障发展很快窗口要缩短到 10 到 20。trend_len是连续上升的窗口数5 意味着连续 5 个窗口均值都在涨才报漂移避免单次波动触发。这个漂移检测不能替代阈值报警而是作为补充——阈值报警抓突发故障漂移检测抓缓慢退化。验证这个技巧是否有效可以拿一批已知的早期故障数据看漂移检测能不能比阈值报警提前触发。我试过的场景里漂移检测通常能提前 10% 到 30% 的寿命周期发出信号代价是误报率会上升几个百分点。所以它适合作为“关注级”预警而不是“停机级”报警。最后说一个我踩过的坑漂移检测的窗口参数不能跨设备复用。不同设备的振动基线不同窗口长度和趋势长度都要按设备重新标定。我一开始图省事把所有设备的参数设成一样结果一台设备的正常启停过程被反复报漂移。后来改成每台设备单独标定用该设备历史正常数据的误差分布来确定窗口参数误报才降下来。这个方案值不值得做取决于你的设备是否值得提前预警——如果停机成本远高于误报成本加一层漂移检测是划算的。希望帮到你。本文还有配套的精品资源点击获取