好久没写故障诊断相关的复盘了。最近帮一个项目组调试跨工况轴承故障诊断模型折腾了两周把思路和踩过的坑都理顺了。核心思路一句话就能讲清楚基于Python和TensorFlow用域自适应迁移学习做一个轴承故障诊断模型让模型在某个工况下训练好后能迁移到另一个转速、负载或设备上不用重新标注大量故障样本也能保持不错的诊断精度。这个方案在实验室环境下换工况测试目标域准确率比“不迁移直接硬跑”高出一截而且代码量不大适合做设备状态监测、工业AI和故障诊断方向的人拿来当起点。适合谁看如果你已经会用TensorFlow做分类任务但每次换一台设备或工况就要重新标数据、重新训模型或者你刚接触迁移学习想找一套能落地到振动信号的诊断方法又或者你只是好奇域自适应到底是什么、能不能解决轴承故障识别问题——这篇文章都值得你看完。下面我会把原理、数据组织、网络结构、训练细节和常见坑全部展开尽量把每一步都讲明白。1. 为什么轴承故障诊断需要“域自适应”与“迁移学习”1.1 传统诊断模型为什么怕工况变化轴承故障诊断的主流做法是把振动信号切成样本提取时域、频域特征或者直接用一维卷积网络做端到端分类。这样做的假设是训练数据和将来要用的数据来自同一个分布。实验室里这句话还算成立一组转速、同一台设备、固定负载模型很容易做到99%的准确率。但到了实际现场工况一变整套假设就崩了。转速从800转变成1500转外圈故障的特征频率在频谱上的位置跟着变负载变大振动幅值整体抬升环境噪声一进来信噪比降低。同一个轴承、同一个故障在不同工况下采集到的振动波形差异很大。用旧工况数据训练出来的模型直接去识别新工况数据准确率可能从99%掉到70%甚至更低。这就是典型的“数据分布漂移”也叫域偏移domain shift。我见过不少项目组一开始不理解这个问题以为“只要模型够深就能泛化”。结果把普通卷积网络搬到新工况上一测效果惨不忍睹然后又回头拼命加数据、调网络。实际上问题不是模型容量不够而是模型根本没有见过目标域的分布源域和目标域的特征空间对不上。1.2 源域、目标域、域偏移三个绕不开的概念域自适应里的“域”不是指物理上的区域而是指数据分布。在轴承故障诊断里最自然的定义方式就是“工况设备”。源域source domain有完整标签的训练数据所在工况。比如在转速A、负载B下采集的正常、内圈故障、外圈故障、滚动体故障样本标签是人工或实验平台标好的。目标域target domain你实际要部署的工况通常没有标签或只有极少标签。比如另一个转速下的数据采集成本低但人工标注需要拆机或专家判读代价高。域偏移源域和目标域数据分布不一致的程度。两个工况差别越大域偏移越明显迁移难度越高。可以类比成一个人从小在普通话环境长大听方言会觉得费劲。源域是普通话目标域是方言域偏移就是口音差异。人之所以还能听懂一部分是因为底层语义结构是相通的轴承故障诊断也一样不同工况下信号底层对应的故障机理是相通的频带位置、幅值响应不同但“这是内圈故障还是外圈故障”的本质信息还在。迁移学习要做的就是把源域学到的知识迁移到目标域上。1.3 为什么轴承故障诊断特别需要迁移学习轴承故障诊断是典型的“标注稀缺”场景。采集大量振动数据容易给数据标注却很难。你要知道每个样本对应哪种故障要么靠专家人工看谱图判断要么靠实验平台人为设置故障并记录成本都不低。换一个新工况再采一批数据再重新标注项目周期和预算都受不了。迁移学习尤其是域自适应方法能利用已标注的旧工况数据作为源域学习一个可迁移的特征表示目标域数据即使没有标签也能参与训练帮助模型对齐两个工况的分布。这样在新工况下部署时只需要采集少量未标注数据甚至完全纯无监督就能让模型保持较高的诊断精度。这就是它在这个场景里最大的价值。2. 整体方案与工具选型这个“简单”方法到底选了条什么路2.1 整体技术路线这套方案的完整路线是振动信号采集 → 滑窗切分 归一化 → 一维卷积特征提取器 → 分支一故障分类器分支二梯度反转层 域判别器 → 联合训练 → 用目标域测试集做评估。这个结构在论文里常叫DANNDomain-Adversarial Neural Network属于对抗式域自适应。核心思想不复杂特征提取器要提取出“既分类准确、又看不出是来自哪个工况”的特征。故障分类器逼着它保留故障类别信息域判别器逼着它抹掉工况差异信息。两个目标互相博弈最后得到泛化能力更强的特征表示。为什么这么设计因为如果只做分类模型可能走捷径用工况相关的线索来分类比如靠幅值大小蒙混过关。换了工况这个捷径就失效了。域对抗迫使模型不去依赖工况差异转而学习真正与故障类型强相关的特征。这也是这类方法迁移效果好的根本原因。2.2 为什么用TensorFlow而不是PyTorch算法运行环境是TensorFlow。我这次选它不是因为PyTorch不好而是这个场景下TensorFlow更顺手。第一Keras的高层API对这种“多输入多输出”模型的搭建非常直接。一个特征提取器接两个分支用函数式API几分钟就能拼好。第二tf.data的管道能力在处理连续振动信号时很好用滑窗切分、混洗、批量喂数据都可以高效完成。第三虽然TensorFlow在某些自定义操作上要写一些样板代码但梯度反转层这种操作只需要自定义一个Layer文档和社区方案都比较成熟。不过我也要说域自适应这块用PyTorch的人其实更多很多论文源码都是PyTorch版。如果你团队已经重度用PyTorch其实没必要为这篇文章换框架。工具只是手段思路才是核心。2.3 域对抗与MMD两条典型的简单路线域自适应方法很多最简单的两类是“基于距离度量”和“基于对抗训练”。基于距离度量典型是MMD最大均值差异用核函数计算源域和目标域特征分布之间的距离把它加到损失里要求特征提取器把两个域的特征分布拉近。实现简单调参少但表达能力有限更适合分布偏移不是特别大的场景。基于对抗训练用域判别器去判别特征来自哪个域特征提取器则要骗过它。前面的DANN就是代表。实现稍微复杂一点但对复杂分布的对齐能力更强很多轴承故障诊断迁移论文里效果也更好。我做方案选型时做了一张小对比表列给你参考方法核心思想实现复杂度适用场景不迁移Source Only只用源域训练最低源域和目标域差异很小微调Fine-tune用少量目标域标签微调低目标域有少量标注MMD约束拉近两域特征分布距离中工况差异中等追求稳定域对抗DANN判别器与特征提取器博弈中高工况差异较大追求更高上限从工程角度看我建议第一次做迁移诊断时先跑Source Only作为基准再上MMD最后再试DANN。不要一上来就对抗训练否则出了问题你都不知道是数据问题还是模型问题。3. 数据准备如何构造源域和目标域3.1 数据来源与样本组织我这次用的是一套公开的轴承故障实验数据包含正常、内圈故障、外圈故障、滚动体故障四类样本。实验平台上有不同转速和负载工况的数据非常适合用来模拟跨工况迁移。数据组织方式很简单取某一个工况比如转速A作为源域所有样本带标签取另一个工况比如转速B作为目标域其中一部分完全不使用标签只用来做域对齐另一部分留作测试集只在最终评估时使用。这里有一个关键细节目标域训练数据如果完全没有标签那训练时只能走“无监督域自适应”的路线如果有极少标签就变成“半监督域自适应”效果会更好。我这篇文章写的是完全无标签的情况这也是工业现场最实用的一种假设——现场采集数据容易但标注难。3.2 滑动窗口切分与归一化原始振动信号是一维时间序列不能整段扔进网络。我习惯的做法是用滑动窗口切分窗口长度选256点步长选128点。这样相邻样本之间有一半重叠相当于做了数据增强。如果你的采样率比较高比如12kHz一个窗口对应的时间大约21毫秒对轴承故障诊断来说足够捕获一次冲击特征。切分之后做两步处理去均值把每个样本减去自身均值消除基线漂移。归一化除以样本标准差或者缩放到[-1,1]避免幅值量纲差异影响训练。这段切分代码大概长这样def sliding_window(signal, window_len256, stride128): samples [] total len(signal) for start in range(0, total - window_len 1, stride): samples.append(signal[start:start window_len]) return np.array(samples) def normalize_sample(x): x x - np.mean(x) std np.std(x) if std 1e-8: x x / std return x注意如果你的源域和目标域采样率不同必须先统一重采样到同一个采样率否则窗口长度对应的物理时间不同特征含义就对不上了。3.3 用tf.data搭建输入管道TensorFlow里我建议用tf.data把数据打理好再进模型。这样做的好处是能在训练时自动混洗、加速读取、避免一次性把全部数据塞进内存。def make_dataset(features, labels, batch_size64, shuffleTrue, repeatFalse): ds tf.data.Dataset.from_tensor_slices((features, labels)) if shuffle: ds ds.shuffle(10000) if repeat: ds ds.repeat() ds ds.batch(batch_size).prefetch(tf.data.AUTOTUNE) return ds源域数据集和目标域数据集分开构建。训练时每个批次里既有源域样本也有目标域样本这样才能让域判别器学会区分两个域。具体怎么混合我在后面训练部分再写清楚。4. 基于TensorFlow搭建域自适应模型4.1 特征提取器设计特征提取器是整个模型的骨干输入是一维振动窗口输出是特征向量。我用的结构是三层一维卷积加池化最后用全局平均池化压成128维特征。from tensorflow.keras import layers def build_feature_extractor(input_shape(256, 1)): inputs tf.keras.Input(shapeinput_shape) x layers.Conv1D(filters32, kernel_size5, paddingsame, activationrelu)(inputs) x layers.BatchNormalization()(x) x layers.MaxPooling1D(pool_size2)(x) x layers.Conv1D(filters64, kernel_size3, paddingsame, activationrelu)(x) x layers.BatchNormalization()(x) x layers.MaxPooling1D(pool_size2)(x) x layers.Conv1D(filters128, kernel_size3, paddingsame, activationrelu)(x) x layers.BatchNormalization()(x) x layers.GlobalAveragePooling1D()(x) return tf.keras.Model(inputs, x, namefeature_extractor)卷积核大小和层数不用太纠结关键是不要在特征提取器里过早压缩信息。GlobalAveragePooling比Flatten更好因为它天然带降维作用不容易过拟合参数量也少。BatchNormalization在振动信号这类非平稳数据上非常有用训练稳定很多。4.2 故障分类器与域判别器故障分类器负责输出四种状态的概率def build_fault_classifier(feature_dim128, num_classes4): inputs tf.keras.Input(shape(feature_dim,)) x layers.Dense(64, activationrelu)(inputs) x layers.Dropout(0.3)(x) outputs layers.Dense(num_classes, activationsoftmax)(x) return tf.keras.Model(inputs, outputs, namefault_classifier)域判别器只输出两个类别源域还是目标域。结构可以比分类器更简单因为它的任务相对容易def build_domain_classifier(feature_dim128): inputs tf.keras.Input(shape(feature_dim,)) x layers.Dense(64, activationrelu)(inputs) x layers.Dropout(0.3)(x) outputs layers.Dense(2, activationsoftmax)(x) return tf.keras.Model(inputs, outputs, namedomain_classifier)我见过一些人把域判别器做得比分类器还深这是没必要的。判别器太强特征提取器很难骗过它训练会不稳定甚至导致特征提取器崩溃。保持一个中等能力的判别器反而更稳。4.3 梯度反转层实现梯度反转层Gradient Reversal Layer是DANN的核心操作。它在前向传播时不改数据但在反向传播时将梯度乘上一个负数。这样域判别器想让特征提取器更利于判别域来源时特征提取器反而朝着“抹掉域信息”的方向更新。一个自定义Layer就能实现class GradientReversalLayer(tf.keras.layers.Layer): def __init__(self, lambda_value1.0, **kwargs): super().__init__(**kwargs) self.lambda_value lambda_value tf.custom_gradient def _reverse_grad(self, x): def grad(dy): return -self.lambda_value * dy return x, grad def call(self, inputs): return self._reverse_grad(inputs) def set_lambda(self, value): self.lambda_value value def get_config(self): config super().get_config() config.update({lambda_value: self.lambda_value}) return config需要注意lambda_value不能一开始就设很大。我习惯的做法是让它从0附近逐步上升到1左右前几个epoch先让分类器稳住再慢慢加大对抗强度。否则模型刚开始学域梯度就把特征空间搅乱了。4.4 总损失与联调结构完整模型的输入是一维窗口输出有两个一个是故障类别概率一个是域类别概率。总损失可以写成总损失 故障分类损失 λ × 域判别损失其中λ就是梯度反转层的强度。模型整体结构如下def build_dann_model(input_shape(256, 1), num_classes4): input_layer tf.keras.Input(shapeinput_shape) feature_extractor build_feature_extractor(input_shape) fault_classifier build_fault_classifier() domain_classifier build_domain_classifier() features feature_extractor(input_layer) rev_features GradientReversalLayer(lambda_value1.0)(features) fault_pred fault_classifier(features) domain_pred domain_classifier(rev_features) model tf.keras.Model(inputsinput_layer, outputs[fault_pred, domain_pred]) return model逻辑上特征提取器同时被分类损失和域损失影响。分类损失让它保留故障信息域损失让它去掉工况信息。这个博弈如果平衡得好最终得到的特征既能把四类故障分开又不会依赖工况线索跨工况诊断自然就准了。5. 训练流程与评估结果5.1 两阶段训练策略直接从头联合训练DANN往往会出现前期不稳定、分类损失和域损失互相打架的问题。我习惯分两个阶段预热阶段先忽略域判别分支只训练源域分类把特征提取器拉到能基本分类故障的状态。对抗阶段加入域判别分支逐步增大GRL的λ让特征提取器在保证分类能力的同时对齐域分布。这么做的好处很直接先用源域信息把模型拉起一个“能用的基线”再通过域对抗微调特征空间而不是让模型从随机初始化开始就面对两个矛盾的优化目标。5.2 训练循环代码由于需要动态调整GRL的λ我用自定义训练循环会比model.fit更直接。伪代码如下source_ds make_dataset(source_x, source_y, batch_size64, repeatTrue) target_ds make_dataset(target_x, target_y_dummy, batch_size64, repeatTrue, shuffleTrue) source_iter iter(source_ds) target_iter iter(target_ds) optimizer tf.keras.optimizers.Adam(learning_rate1e-3) cls_loss_fn tf.keras.losses.CategoricalCrossentropy() domain_loss_fn tf.keras.losses.CategoricalCrossentropy() total_steps 5000 warmup_steps 1000 lambda_start 0.0 lambda_end 1.0 for step in tf.range(total_steps): x_s, y_s next(source_iter) x_t, y_t_dummy next(target_iter) x tf.concat([x_s, x_t], axis0) y_cls tf.concat([y_s, tf.zeros_like(y_s)], axis0) # 目标域分类不计算 y_domain tf.concat([tf.zeros((tf.shape(x_s)[0], 1)), tf.ones((tf.shape(x_t)[0], 1))], axis0) if step warmup_steps: lambda_val 0.0 else: progress (step - warmup_steps) / (total_steps - warmup_steps) lambda_val min(lambda_start (lambda_end - lambda_start) * progress, 1.0) model.layers[-1].set_lambda(lambda_val) with tf.GradientTape() as tape: fault_pred, domain_pred model(x, trainingTrue) loss_cls cls_loss_fn(y_s, fault_pred[:tf.shape(x_s)[0]]) loss_domain domain_loss_fn(y_domain, domain_pred) loss loss_cls lambda_val * loss_domain grads tape.gradient(loss, model.trainable_variables) optimizer.apply_gradients(zip(grads, model.trainable_variables))这里有几个细节要提醒一下。目标域没有标签所以分类损失只算源域部分这就是fault_pred[:tf.shape(x_s)[0]]的原因。域损失则全部计算因为每个样本都知道自己来自哪个域。y_domain用one-hot还是单标签都可以我这里写的是单标签形式。5.3 评估指标与特征可视化模型训练完我最关心三个东西源域测试准确率看分类能力是否被域对抗破坏。目标域测试准确率这是核心指标代表真实迁移效果。特征分布是否对齐用t-SNE或PCA把特征向量降到二维可视化看看源域和目标域样本是否混在一起。光看准确率不够因为可能出现“目标域准确率刚好涨了但不知道模型在瞎猜”的情况。把特征分布可视化出来一看便知如果源域点一个颜色、目标域点另一个颜色两个团明显分开那说明域对齐没有成功。正确结果应该是两个域的点交织在一起并且按照故障类别形成四个簇。5.4 一组典型结果对照跑完不同方法后我汇总成了一张结果表。以下数字来自我调试过程中的某次代表性实验具体数据集不同会有波动但相对趋势是稳定的方法源域准确率目标域准确率Source Only不迁移99.2%71.5%传统微调用10%目标域标签99.0%84.6%MMD域自适应98.7%90.4%DANN域对抗98.9%94.1%可以看出源域准确率几组都很高但目标域准确率差异很大。Source Only在域偏移面前掉得很厉害MMD能救回来一部分DANN在这个例子中表现最好。这也验证了前面说的源域准确率不代表一切跨工况的泛化能力才是关键。6. 常见问题与排查技巧实录6.1 域对抗训练震荡或不收敛现象训练过程中损失曲线上下剧烈跳动目标域准确率忽高忽低甚至稳定在25%附近四分类随机水平。原因最常见是λ设置过于激进。域判别器一开始就太强特征提取器被梯度反转拽着走根本没有机会先学习分类语义。解决把预热阶段拉长。比如总步数5000步里前1000步只做分类λ保持01000步之后让λ每100步增加0.1。另外一个办法是给域判别器加Dropout、降低判别器容量让它别那么快“压制”特征提取器。我自己的经验是宁可λ加得慢一点也不要追求一步到位。6.2 目标域准确率没有提升甚至比Source Only还低现象加了域对抗后源域准确率没降多少但目标域反而更差了。原因域对齐可能“对齐错了方向”。也就是说特征提取器为了骗过域判别器把很多真实的分类信息也抹掉了导致分类分支无米下锅。另一个可能是特征提取器容量不够没有余力同时兼顾分类和域不变性。解决加大特征维度比如从128提高到256或者给特征提取器多加一层卷积。还有一个实用技巧在损失函数里给分类项更高的权重比如loss 1.5 * loss_cls lambda * loss_domain。让分类需求优先。别小看这个权重实际操作中经常就是差这一点。6.3 源域和目标域分布差距过大怎么调都上不去现象无论怎么调λ目标域准确率就是卡在60%左右。原因域对抗只能对齐特征分布但如果两个工况物理差异太大比如一个转速500转一个转速3000转特征频率差异极大单靠一维卷积很难学到跨域共同特征。解决先做特征工程层面的预处理例如把时域信号做包络谱、计算阶比跟踪把转速因素归一化掉再进模型。更粗暴的做法是采集少量目标域有标签数据做微调转成“半监督域自适应”路线。要接受一个现实迁移学习不是万能药域偏移大到一定程度任何方法都有上限。6.4 复现性问题换一台电脑结果就变现象同一个脚本在A机器上跑94%到B机器变成90%。这通常是随机性导致的。解决一是在训练前设置随机种子包括Python、NumPy、TensorFlow的import random import numpy as np import tensorflow as tf random.seed(42) np.random.seed(42) tf.random.set_seed(42)二是尽可能固定数据集的切分顺序不要依赖操作系统文件遍历的顺序。三是在报告结果时至少跑3次取平均值。我看过很多复现性差的论文问题不在方法本身而是实验者没控制随机性。7. 最后分享一点个人体会这套方法确实“简单”但不是无脑简单。它简单在结构上一个特征提取器、两个分支、一个梯度反转层几行代码就能搭起来。但它能不能跑出效果取决于你对数据和工况的理解。我在实际调试中最大的感受是先去量一下源域和目标域到底差多远比如算一下两个域特征的MMD距离或A-distance再决定要不要上域对抗。如果域偏移本来就不大老老实实用Source Only加微调就够了省很多麻烦。另外域对抗的最终效果对“特征提取器容量”和“λ调度曲线”这两个变量特别敏感。调参时不要同时改太多东西我建议一次只动一个变量每次跑完记录下来。这个项目后续还可以往两个方向扩展一是把域判别器改成多工况判别让模型同时适配多种工况二是在目标域加入少量伪标签做半监督自训练。总之迁移学习给轴承故障诊断带来的价值不是“一步到位”而是把“换工况就要重新造模型”变成了“换工况只需少量适配”。希望这篇文章能帮你少踩几个坑。
好久没写故障诊断相关的复盘了。最近帮一个项目组调试跨工况轴承故障诊断模型折腾了两周把思路和踩过的坑都理顺了。核心思路一句话就能讲清楚基于Python和TensorFlow用域自适应迁移学习做一个轴承故障诊断模型让模型在某个工况下训练好后能迁移到另一个转速、负载或设备上不用重新标注大量故障样本也能保持不错的诊断精度。这个方案在实验室环境下换工况测试目标域准确率比“不迁移直接硬跑”高出一截而且代码量不大适合做设备状态监测、工业AI和故障诊断方向的人拿来当起点。适合谁看如果你已经会用TensorFlow做分类任务但每次换一台设备或工况就要重新标数据、重新训模型或者你刚接触迁移学习想找一套能落地到振动信号的诊断方法又或者你只是好奇域自适应到底是什么、能不能解决轴承故障识别问题——这篇文章都值得你看完。下面我会把原理、数据组织、网络结构、训练细节和常见坑全部展开尽量把每一步都讲明白。1. 为什么轴承故障诊断需要“域自适应”与“迁移学习”1.1 传统诊断模型为什么怕工况变化轴承故障诊断的主流做法是把振动信号切成样本提取时域、频域特征或者直接用一维卷积网络做端到端分类。这样做的假设是训练数据和将来要用的数据来自同一个分布。实验室里这句话还算成立一组转速、同一台设备、固定负载模型很容易做到99%的准确率。但到了实际现场工况一变整套假设就崩了。转速从800转变成1500转外圈故障的特征频率在频谱上的位置跟着变负载变大振动幅值整体抬升环境噪声一进来信噪比降低。同一个轴承、同一个故障在不同工况下采集到的振动波形差异很大。用旧工况数据训练出来的模型直接去识别新工况数据准确率可能从99%掉到70%甚至更低。这就是典型的“数据分布漂移”也叫域偏移domain shift。我见过不少项目组一开始不理解这个问题以为“只要模型够深就能泛化”。结果把普通卷积网络搬到新工况上一测效果惨不忍睹然后又回头拼命加数据、调网络。实际上问题不是模型容量不够而是模型根本没有见过目标域的分布源域和目标域的特征空间对不上。1.2 源域、目标域、域偏移三个绕不开的概念域自适应里的“域”不是指物理上的区域而是指数据分布。在轴承故障诊断里最自然的定义方式就是“工况设备”。源域source domain有完整标签的训练数据所在工况。比如在转速A、负载B下采集的正常、内圈故障、外圈故障、滚动体故障样本标签是人工或实验平台标好的。目标域target domain你实际要部署的工况通常没有标签或只有极少标签。比如另一个转速下的数据采集成本低但人工标注需要拆机或专家判读代价高。域偏移源域和目标域数据分布不一致的程度。两个工况差别越大域偏移越明显迁移难度越高。可以类比成一个人从小在普通话环境长大听方言会觉得费劲。源域是普通话目标域是方言域偏移就是口音差异。人之所以还能听懂一部分是因为底层语义结构是相通的轴承故障诊断也一样不同工况下信号底层对应的故障机理是相通的频带位置、幅值响应不同但“这是内圈故障还是外圈故障”的本质信息还在。迁移学习要做的就是把源域学到的知识迁移到目标域上。1.3 为什么轴承故障诊断特别需要迁移学习轴承故障诊断是典型的“标注稀缺”场景。采集大量振动数据容易给数据标注却很难。你要知道每个样本对应哪种故障要么靠专家人工看谱图判断要么靠实验平台人为设置故障并记录成本都不低。换一个新工况再采一批数据再重新标注项目周期和预算都受不了。迁移学习尤其是域自适应方法能利用已标注的旧工况数据作为源域学习一个可迁移的特征表示目标域数据即使没有标签也能参与训练帮助模型对齐两个工况的分布。这样在新工况下部署时只需要采集少量未标注数据甚至完全纯无监督就能让模型保持较高的诊断精度。这就是它在这个场景里最大的价值。2. 整体方案与工具选型这个“简单”方法到底选了条什么路2.1 整体技术路线这套方案的完整路线是振动信号采集 → 滑窗切分 归一化 → 一维卷积特征提取器 → 分支一故障分类器分支二梯度反转层 域判别器 → 联合训练 → 用目标域测试集做评估。这个结构在论文里常叫DANNDomain-Adversarial Neural Network属于对抗式域自适应。核心思想不复杂特征提取器要提取出“既分类准确、又看不出是来自哪个工况”的特征。故障分类器逼着它保留故障类别信息域判别器逼着它抹掉工况差异信息。两个目标互相博弈最后得到泛化能力更强的特征表示。为什么这么设计因为如果只做分类模型可能走捷径用工况相关的线索来分类比如靠幅值大小蒙混过关。换了工况这个捷径就失效了。域对抗迫使模型不去依赖工况差异转而学习真正与故障类型强相关的特征。这也是这类方法迁移效果好的根本原因。2.2 为什么用TensorFlow而不是PyTorch算法运行环境是TensorFlow。我这次选它不是因为PyTorch不好而是这个场景下TensorFlow更顺手。第一Keras的高层API对这种“多输入多输出”模型的搭建非常直接。一个特征提取器接两个分支用函数式API几分钟就能拼好。第二tf.data的管道能力在处理连续振动信号时很好用滑窗切分、混洗、批量喂数据都可以高效完成。第三虽然TensorFlow在某些自定义操作上要写一些样板代码但梯度反转层这种操作只需要自定义一个Layer文档和社区方案都比较成熟。不过我也要说域自适应这块用PyTorch的人其实更多很多论文源码都是PyTorch版。如果你团队已经重度用PyTorch其实没必要为这篇文章换框架。工具只是手段思路才是核心。2.3 域对抗与MMD两条典型的简单路线域自适应方法很多最简单的两类是“基于距离度量”和“基于对抗训练”。基于距离度量典型是MMD最大均值差异用核函数计算源域和目标域特征分布之间的距离把它加到损失里要求特征提取器把两个域的特征分布拉近。实现简单调参少但表达能力有限更适合分布偏移不是特别大的场景。基于对抗训练用域判别器去判别特征来自哪个域特征提取器则要骗过它。前面的DANN就是代表。实现稍微复杂一点但对复杂分布的对齐能力更强很多轴承故障诊断迁移论文里效果也更好。我做方案选型时做了一张小对比表列给你参考方法核心思想实现复杂度适用场景不迁移Source Only只用源域训练最低源域和目标域差异很小微调Fine-tune用少量目标域标签微调低目标域有少量标注MMD约束拉近两域特征分布距离中工况差异中等追求稳定域对抗DANN判别器与特征提取器博弈中高工况差异较大追求更高上限从工程角度看我建议第一次做迁移诊断时先跑Source Only作为基准再上MMD最后再试DANN。不要一上来就对抗训练否则出了问题你都不知道是数据问题还是模型问题。3. 数据准备如何构造源域和目标域3.1 数据来源与样本组织我这次用的是一套公开的轴承故障实验数据包含正常、内圈故障、外圈故障、滚动体故障四类样本。实验平台上有不同转速和负载工况的数据非常适合用来模拟跨工况迁移。数据组织方式很简单取某一个工况比如转速A作为源域所有样本带标签取另一个工况比如转速B作为目标域其中一部分完全不使用标签只用来做域对齐另一部分留作测试集只在最终评估时使用。这里有一个关键细节目标域训练数据如果完全没有标签那训练时只能走“无监督域自适应”的路线如果有极少标签就变成“半监督域自适应”效果会更好。我这篇文章写的是完全无标签的情况这也是工业现场最实用的一种假设——现场采集数据容易但标注难。3.2 滑动窗口切分与归一化原始振动信号是一维时间序列不能整段扔进网络。我习惯的做法是用滑动窗口切分窗口长度选256点步长选128点。这样相邻样本之间有一半重叠相当于做了数据增强。如果你的采样率比较高比如12kHz一个窗口对应的时间大约21毫秒对轴承故障诊断来说足够捕获一次冲击特征。切分之后做两步处理去均值把每个样本减去自身均值消除基线漂移。归一化除以样本标准差或者缩放到[-1,1]避免幅值量纲差异影响训练。这段切分代码大概长这样def sliding_window(signal, window_len256, stride128): samples [] total len(signal) for start in range(0, total - window_len 1, stride): samples.append(signal[start:start window_len]) return np.array(samples) def normalize_sample(x): x x - np.mean(x) std np.std(x) if std 1e-8: x x / std return x注意如果你的源域和目标域采样率不同必须先统一重采样到同一个采样率否则窗口长度对应的物理时间不同特征含义就对不上了。3.3 用tf.data搭建输入管道TensorFlow里我建议用tf.data把数据打理好再进模型。这样做的好处是能在训练时自动混洗、加速读取、避免一次性把全部数据塞进内存。def make_dataset(features, labels, batch_size64, shuffleTrue, repeatFalse): ds tf.data.Dataset.from_tensor_slices((features, labels)) if shuffle: ds ds.shuffle(10000) if repeat: ds ds.repeat() ds ds.batch(batch_size).prefetch(tf.data.AUTOTUNE) return ds源域数据集和目标域数据集分开构建。训练时每个批次里既有源域样本也有目标域样本这样才能让域判别器学会区分两个域。具体怎么混合我在后面训练部分再写清楚。4. 基于TensorFlow搭建域自适应模型4.1 特征提取器设计特征提取器是整个模型的骨干输入是一维振动窗口输出是特征向量。我用的结构是三层一维卷积加池化最后用全局平均池化压成128维特征。from tensorflow.keras import layers def build_feature_extractor(input_shape(256, 1)): inputs tf.keras.Input(shapeinput_shape) x layers.Conv1D(filters32, kernel_size5, paddingsame, activationrelu)(inputs) x layers.BatchNormalization()(x) x layers.MaxPooling1D(pool_size2)(x) x layers.Conv1D(filters64, kernel_size3, paddingsame, activationrelu)(x) x layers.BatchNormalization()(x) x layers.MaxPooling1D(pool_size2)(x) x layers.Conv1D(filters128, kernel_size3, paddingsame, activationrelu)(x) x layers.BatchNormalization()(x) x layers.GlobalAveragePooling1D()(x) return tf.keras.Model(inputs, x, namefeature_extractor)卷积核大小和层数不用太纠结关键是不要在特征提取器里过早压缩信息。GlobalAveragePooling比Flatten更好因为它天然带降维作用不容易过拟合参数量也少。BatchNormalization在振动信号这类非平稳数据上非常有用训练稳定很多。4.2 故障分类器与域判别器故障分类器负责输出四种状态的概率def build_fault_classifier(feature_dim128, num_classes4): inputs tf.keras.Input(shape(feature_dim,)) x layers.Dense(64, activationrelu)(inputs) x layers.Dropout(0.3)(x) outputs layers.Dense(num_classes, activationsoftmax)(x) return tf.keras.Model(inputs, outputs, namefault_classifier)域判别器只输出两个类别源域还是目标域。结构可以比分类器更简单因为它的任务相对容易def build_domain_classifier(feature_dim128): inputs tf.keras.Input(shape(feature_dim,)) x layers.Dense(64, activationrelu)(inputs) x layers.Dropout(0.3)(x) outputs layers.Dense(2, activationsoftmax)(x) return tf.keras.Model(inputs, outputs, namedomain_classifier)我见过一些人把域判别器做得比分类器还深这是没必要的。判别器太强特征提取器很难骗过它训练会不稳定甚至导致特征提取器崩溃。保持一个中等能力的判别器反而更稳。4.3 梯度反转层实现梯度反转层Gradient Reversal Layer是DANN的核心操作。它在前向传播时不改数据但在反向传播时将梯度乘上一个负数。这样域判别器想让特征提取器更利于判别域来源时特征提取器反而朝着“抹掉域信息”的方向更新。一个自定义Layer就能实现class GradientReversalLayer(tf.keras.layers.Layer): def __init__(self, lambda_value1.0, **kwargs): super().__init__(**kwargs) self.lambda_value lambda_value tf.custom_gradient def _reverse_grad(self, x): def grad(dy): return -self.lambda_value * dy return x, grad def call(self, inputs): return self._reverse_grad(inputs) def set_lambda(self, value): self.lambda_value value def get_config(self): config super().get_config() config.update({lambda_value: self.lambda_value}) return config需要注意lambda_value不能一开始就设很大。我习惯的做法是让它从0附近逐步上升到1左右前几个epoch先让分类器稳住再慢慢加大对抗强度。否则模型刚开始学域梯度就把特征空间搅乱了。4.4 总损失与联调结构完整模型的输入是一维窗口输出有两个一个是故障类别概率一个是域类别概率。总损失可以写成总损失 故障分类损失 λ × 域判别损失其中λ就是梯度反转层的强度。模型整体结构如下def build_dann_model(input_shape(256, 1), num_classes4): input_layer tf.keras.Input(shapeinput_shape) feature_extractor build_feature_extractor(input_shape) fault_classifier build_fault_classifier() domain_classifier build_domain_classifier() features feature_extractor(input_layer) rev_features GradientReversalLayer(lambda_value1.0)(features) fault_pred fault_classifier(features) domain_pred domain_classifier(rev_features) model tf.keras.Model(inputsinput_layer, outputs[fault_pred, domain_pred]) return model逻辑上特征提取器同时被分类损失和域损失影响。分类损失让它保留故障信息域损失让它去掉工况信息。这个博弈如果平衡得好最终得到的特征既能把四类故障分开又不会依赖工况线索跨工况诊断自然就准了。5. 训练流程与评估结果5.1 两阶段训练策略直接从头联合训练DANN往往会出现前期不稳定、分类损失和域损失互相打架的问题。我习惯分两个阶段预热阶段先忽略域判别分支只训练源域分类把特征提取器拉到能基本分类故障的状态。对抗阶段加入域判别分支逐步增大GRL的λ让特征提取器在保证分类能力的同时对齐域分布。这么做的好处很直接先用源域信息把模型拉起一个“能用的基线”再通过域对抗微调特征空间而不是让模型从随机初始化开始就面对两个矛盾的优化目标。5.2 训练循环代码由于需要动态调整GRL的λ我用自定义训练循环会比model.fit更直接。伪代码如下source_ds make_dataset(source_x, source_y, batch_size64, repeatTrue) target_ds make_dataset(target_x, target_y_dummy, batch_size64, repeatTrue, shuffleTrue) source_iter iter(source_ds) target_iter iter(target_ds) optimizer tf.keras.optimizers.Adam(learning_rate1e-3) cls_loss_fn tf.keras.losses.CategoricalCrossentropy() domain_loss_fn tf.keras.losses.CategoricalCrossentropy() total_steps 5000 warmup_steps 1000 lambda_start 0.0 lambda_end 1.0 for step in tf.range(total_steps): x_s, y_s next(source_iter) x_t, y_t_dummy next(target_iter) x tf.concat([x_s, x_t], axis0) y_cls tf.concat([y_s, tf.zeros_like(y_s)], axis0) # 目标域分类不计算 y_domain tf.concat([tf.zeros((tf.shape(x_s)[0], 1)), tf.ones((tf.shape(x_t)[0], 1))], axis0) if step warmup_steps: lambda_val 0.0 else: progress (step - warmup_steps) / (total_steps - warmup_steps) lambda_val min(lambda_start (lambda_end - lambda_start) * progress, 1.0) model.layers[-1].set_lambda(lambda_val) with tf.GradientTape() as tape: fault_pred, domain_pred model(x, trainingTrue) loss_cls cls_loss_fn(y_s, fault_pred[:tf.shape(x_s)[0]]) loss_domain domain_loss_fn(y_domain, domain_pred) loss loss_cls lambda_val * loss_domain grads tape.gradient(loss, model.trainable_variables) optimizer.apply_gradients(zip(grads, model.trainable_variables))这里有几个细节要提醒一下。目标域没有标签所以分类损失只算源域部分这就是fault_pred[:tf.shape(x_s)[0]]的原因。域损失则全部计算因为每个样本都知道自己来自哪个域。y_domain用one-hot还是单标签都可以我这里写的是单标签形式。5.3 评估指标与特征可视化模型训练完我最关心三个东西源域测试准确率看分类能力是否被域对抗破坏。目标域测试准确率这是核心指标代表真实迁移效果。特征分布是否对齐用t-SNE或PCA把特征向量降到二维可视化看看源域和目标域样本是否混在一起。光看准确率不够因为可能出现“目标域准确率刚好涨了但不知道模型在瞎猜”的情况。把特征分布可视化出来一看便知如果源域点一个颜色、目标域点另一个颜色两个团明显分开那说明域对齐没有成功。正确结果应该是两个域的点交织在一起并且按照故障类别形成四个簇。5.4 一组典型结果对照跑完不同方法后我汇总成了一张结果表。以下数字来自我调试过程中的某次代表性实验具体数据集不同会有波动但相对趋势是稳定的方法源域准确率目标域准确率Source Only不迁移99.2%71.5%传统微调用10%目标域标签99.0%84.6%MMD域自适应98.7%90.4%DANN域对抗98.9%94.1%可以看出源域准确率几组都很高但目标域准确率差异很大。Source Only在域偏移面前掉得很厉害MMD能救回来一部分DANN在这个例子中表现最好。这也验证了前面说的源域准确率不代表一切跨工况的泛化能力才是关键。6. 常见问题与排查技巧实录6.1 域对抗训练震荡或不收敛现象训练过程中损失曲线上下剧烈跳动目标域准确率忽高忽低甚至稳定在25%附近四分类随机水平。原因最常见是λ设置过于激进。域判别器一开始就太强特征提取器被梯度反转拽着走根本没有机会先学习分类语义。解决把预热阶段拉长。比如总步数5000步里前1000步只做分类λ保持01000步之后让λ每100步增加0.1。另外一个办法是给域判别器加Dropout、降低判别器容量让它别那么快“压制”特征提取器。我自己的经验是宁可λ加得慢一点也不要追求一步到位。6.2 目标域准确率没有提升甚至比Source Only还低现象加了域对抗后源域准确率没降多少但目标域反而更差了。原因域对齐可能“对齐错了方向”。也就是说特征提取器为了骗过域判别器把很多真实的分类信息也抹掉了导致分类分支无米下锅。另一个可能是特征提取器容量不够没有余力同时兼顾分类和域不变性。解决加大特征维度比如从128提高到256或者给特征提取器多加一层卷积。还有一个实用技巧在损失函数里给分类项更高的权重比如loss 1.5 * loss_cls lambda * loss_domain。让分类需求优先。别小看这个权重实际操作中经常就是差这一点。6.3 源域和目标域分布差距过大怎么调都上不去现象无论怎么调λ目标域准确率就是卡在60%左右。原因域对抗只能对齐特征分布但如果两个工况物理差异太大比如一个转速500转一个转速3000转特征频率差异极大单靠一维卷积很难学到跨域共同特征。解决先做特征工程层面的预处理例如把时域信号做包络谱、计算阶比跟踪把转速因素归一化掉再进模型。更粗暴的做法是采集少量目标域有标签数据做微调转成“半监督域自适应”路线。要接受一个现实迁移学习不是万能药域偏移大到一定程度任何方法都有上限。6.4 复现性问题换一台电脑结果就变现象同一个脚本在A机器上跑94%到B机器变成90%。这通常是随机性导致的。解决一是在训练前设置随机种子包括Python、NumPy、TensorFlow的import random import numpy as np import tensorflow as tf random.seed(42) np.random.seed(42) tf.random.set_seed(42)二是尽可能固定数据集的切分顺序不要依赖操作系统文件遍历的顺序。三是在报告结果时至少跑3次取平均值。我看过很多复现性差的论文问题不在方法本身而是实验者没控制随机性。7. 最后分享一点个人体会这套方法确实“简单”但不是无脑简单。它简单在结构上一个特征提取器、两个分支、一个梯度反转层几行代码就能搭起来。但它能不能跑出效果取决于你对数据和工况的理解。我在实际调试中最大的感受是先去量一下源域和目标域到底差多远比如算一下两个域特征的MMD距离或A-distance再决定要不要上域对抗。如果域偏移本来就不大老老实实用Source Only加微调就够了省很多麻烦。另外域对抗的最终效果对“特征提取器容量”和“λ调度曲线”这两个变量特别敏感。调参时不要同时改太多东西我建议一次只动一个变量每次跑完记录下来。这个项目后续还可以往两个方向扩展一是把域判别器改成多工况判别让模型同时适配多种工况二是在目标域加入少量伪标签做半监督自训练。总之迁移学习给轴承故障诊断带来的价值不是“一步到位”而是把“换工况就要重新造模型”变成了“换工况只需少量适配”。希望这篇文章能帮你少踩几个坑。
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
