简介这份资源是面向机械健康监测与故障诊断方向的科研人员和学生准备的CWRU轴承振动信号导入包用于快速加载并处理凯斯西储大学公开的轴承数据集为故障检测与预测实验提供标准化的数据入口。压缩包共6个文件约6KB以Python脚本为主辅以打包配置、许可协议与说明文档其中核心模块提供多变量振动信号的组织与读取能力方便直接接入后续分析流程。已有260人学习下载适合刚接触CWRU数据集、希望省去数据整理环节的入门者也适合需要统一数据接口的算法验证场景。使用者可借助该包完成信号预处理、特征提取与异常识别等环节的快速搭建把精力集中在诊断模型的设计与对比上从而更高效地复现和验证轴承故障诊断方法。1. 从一堆 .mat 文件到能跑的分类器CWRU轴承振动信号导入包到底解决什么如果你做过旋转机械故障诊断大概率绕不开凯斯西储大学CWRU轴承数据集。它几乎是入门轴承振动信号分析的第一站文件不大、标签清晰、工况齐全网上讲解一抓一大把。但真正动手时很多人卡在第一步——下载下来是一堆 .mat 文件文件名像97.mat、105.mat打开后变量名又是X097_DE_time、X105_DE_time这种到底哪个文件对应哪种故障、哪个通道是驱动端、采样率多少、怎么切成训练集全靠翻文档和猜。所谓 CWRU轴承振动信号导入包本质上就是把这层“脏活”封装掉给定数据目录自动扫描文件、解析文件名与标签映射、抽取指定通道、按窗口切分、归一化最后吐出可以直接喂给 sklearn 或 PyTorch 的数组。它解决的不是模型精度问题而是让一个新手在半小时内从零跑通“加载—切分—训练—评估”的闭环而不是花两天在文件解析上翻车。适合谁适合刚接触 CWRU 数据集的学生、需要快速搭 baseline 的算法工程师以及想把振动信号分类做成教学案例的人。下面我按自己实际搭这套导入流程的顺序把选型、实现、参数和坑一次讲清。2. 先搞懂 CWRU 文件命名与通道结构再谈导入2.1 文件名数字与故障标签的对应关系CWRU 数据集的 .mat 文件命名不是随机的每个数字对应一种工况和故障直径。常见做法是维护一张映射表把文件编号区间映射到标签。以驱动端DE数据为例正常基线文件编号在 97 到 100 附近内圈故障、外圈故障、滚动体故障各有自己的编号段。不同直径0.007、0.014、0.021 英寸又分属不同编号。很多人第一次导入时直接把所有文件混在一起结果标签全错训练出来的模型准确率虚高因为同一类故障的不同负载工况被当成了不同类。我一般会先写一个解析函数从文件名提取编号再查表得到标签。表可以硬编码也可以放在单独的 JSON 里方便修改。下面是一个最小可用的映射片段覆盖最常用的 12 类正常 3 种故障 × 3 种直径 少量工况# label_map.py # 键为文件名中的数字编号值为标签字符串 # 仅列出最常用的一部分实际使用时可扩展 CWRU_LABEL_MAP { 97: normal, 98: normal, 99: normal, 100: normal, 105: inner_race_007, 106: inner_race_007, 107: inner_race_007, 108: inner_race_007, 118: outer_race_007, 119: outer_race_007, 120: outer_race_007, 121: outer_race_007, 130: ball_007, 131: ball_007, 132: ball_007, 133: ball_007, # 0.014 和 0.021 英寸的编号段可继续补充 }逻辑说明编号到标签的映射必须和官方文档核对不能凭记忆。参数说明CWRU_LABEL_MAP的键是整数值是字符串标签如果后续要做多分类标签字符串可以直接作为类别名。注意同一故障直径下不同负载的文件编号不同但标签应该相同所以映射表里会出现多个编号指向同一个标签的情况。2.2 驱动端、风扇端与基座通道的取舍每个 .mat 文件里通常包含多个变量比如X097_DE_time是驱动端加速度计数据X097_FE_time是风扇端X097_BA_time是基座。做轴承故障分类绝大多数论文和工程实践只用驱动端DE因为信号信噪比最高、故障特征最明显。风扇端信号衰减大基座信号更弱。导入包应该允许指定通道后缀默认DE。读取 .mat 文件用scipy.io.loadmat即可但要注意变量名是动态的不能写死。常见做法是遍历文件里的键找到以_DE_time结尾的那个。下面是一个通道抽取函数import scipy.io as sio import numpy as np def load_signal(mat_path, channelDE): 从 .mat 文件中读取指定通道的振动信号。 mat_path: .mat 文件路径 channel: DE、FE 或 BA 返回一维 numpy 数组 mat sio.loadmat(mat_path) suffix f_{channel}_time for key in mat: if key.endswith(suffix): return mat[key].ravel().astype(np.float32) raise KeyError(f未找到通道 {channel} 对应的变量文件{mat_path})逻辑说明ravel()把列向量压平成一维astype(np.float32)减少内存占用。参数说明channel默认DE如果要做多通道融合可以改成列表循环读取。注意有些文件可能没有_BA_time所以异常处理要保留。2.3 采样率与窗口切分的参数怎么定CWRU 驱动端采样率常见为 12 kHz 和 48 kHz 两种。12 kHz 数据用于故障直径 0.007 到 0.021 英寸的多数文件48 kHz 用于部分 0.014 和 0.021 英寸文件。导入包必须记录每个文件的采样率否则后续做频谱分析时频率轴全错。窗口切分通常用固定长度滑动窗比如窗长 1024 点、步长 512 点。窗长太短频率分辨率不够窗长太长样本数太少。我一般先用 1024 点试如果分类效果差再调到 2048。def segment_signal(signal, window_size1024, step512): 对一维信号做滑动窗切分。 返回形状为 (n_windows, window_size) 的数组。 n len(signal) windows [] for start in range(0, n - window_size 1, step): windows.append(signal[start:start window_size]) return np.stack(windows)逻辑说明range的终点是n - window_size 1保证最后一个窗完整。参数说明window_size默认 1024step默认 512即 50% 重叠。如果样本不够可以减小 step 到 256 增加样本量但要注意相邻窗相关性变高。3. 把导入包写成可复用的 Dataset从目录扫描到批量化3.1 目录扫描与标签自动匹配导入包的核心入口应该是一个函数输入数据根目录输出特征矩阵和标签向量。目录结构可以扁平也可以按故障类型分文件夹。我倾向于扁平结构因为 CWRU 原始下载就是一堆 .mat 文件。扫描时用glob找所有 .mat然后从文件名提取数字查映射表。如果某个文件不在映射表里跳过并打印警告不要静默丢弃。import os import glob import re from label_map import CWRU_LABEL_MAP def scan_dataset(root_dir, channelDE, window_size1024, step512): 扫描目录下所有 .mat 文件返回 (X, y, file_names)。 X: (n_samples, window_size) y: (n_samples,) 整数标签 file_names: 每个样本对应的源文件名便于排查 mat_files glob.glob(os.path.join(root_dir, *.mat)) X_list, y_list, name_list [], [], [] label_to_id {} for mat_path in sorted(mat_files): base os.path.basename(mat_path) match re.match(r(\d), base) if not match: print(f跳过无法解析的文件{base}) continue file_id int(match.group(1)) if file_id not in CWRU_LABEL_MAP: print(f跳过未映射的文件{base}) continue label_str CWRU_LABEL_MAP[file_id] if label_str not in label_to_id: label_to_id[label_str] len(label_to_id) signal load_signal(mat_path, channelchannel) windows segment_signal(signal, window_size, step) X_list.append(windows) y_list.append(np.full(len(windows), label_to_id[label_str])) name_list.extend([base] * len(windows)) X np.concatenate(X_list, axis0) y np.concatenate(y_list, axis0) return X, y, name_list, label_to_id逻辑说明label_to_id动态生成保证标签从 0 开始连续。name_list记录每个窗口来自哪个文件方便后续做按文件划分训练测试集避免同一文件窗口同时出现在训练和测试中导致数据泄漏。参数说明root_dir是 .mat 文件所在目录channel默认DEwindow_size和step按上一节建议设置。3.2 按文件划分训练集与测试集避免数据泄漏这是最容易被忽略的一步。如果随机划分窗口同一个 .mat 文件切出的窗口可能一部分在训练集、一部分在测试集模型相当于见过测试数据的“兄弟窗口”准确率会虚高十几个百分点。正确做法是按源文件划分先把文件列表分成训练文件和测试文件再分别取窗口。我一般用 70% 文件做训练30% 做测试且保证每类都有文件进入测试集。from sklearn.model_selection import train_test_split def split_by_file(X, y, file_names, test_size0.3, random_state42): 按源文件划分训练集和测试集。 unique_files np.unique(file_names) train_files, test_files train_test_split( unique_files, test_sizetest_size, random_staterandom_state ) train_mask np.isin(file_names, train_files) test_mask np.isin(file_names, test_files) return (X[train_mask], y[train_mask], X[test_mask], y[test_mask])逻辑说明np.isin生成布尔掩码避免循环。参数说明test_size默认 0.3random_state固定保证可复现。注意如果某类文件数很少train_test_split可能把某类全部划到一边需要加stratify参数按标签分层但分层对象应该是文件对应的标签不是窗口标签。3.3 归一化与数据加载器对接振动信号幅值范围因工况而异归一化能加速收敛。常见做法是每个窗口减均值除标准差或者全局 min-max。我倾向于按窗口做 z-score因为不同负载下幅值差异大按窗口归一化更鲁棒。def normalize_windows(X): 对每个窗口做 z-score 归一化。 mean X.mean(axis1, keepdimsTrue) std X.std(axis1, keepdimsTrue) 1e-8 return (X - mean) / std逻辑说明keepdimsTrue保持二维形状便于广播。1e-8防止除零。参数说明如果要做全局归一化把axis1改成axisNone但我不推荐因为会丢失工况差异信息。对接 PyTorch 时把X转成float32张量y转成long张量用TensorDataset和DataLoader包装即可。批大小一般设 64 或 128太小训练慢太大内存吃紧。4. 导入环节的避坑与排查那些让我重跑一晚上的细节4.1 现象读取 .mat 报错“Unknown mat file type”原因CWRU 部分文件是 v7.3 格式的 HDF5scipy.io.loadmat不支持。解决用h5py读取或者用mat73库。判断方法用sio.loadmat报错时捕获异常改用h5py.File遍历键。注意 h5py 读出来是转置的需要.T。4.2 现象标签全变成 0模型准确率 100%原因label_to_id在循环里动态生成但y_list里存的是当时的值如果后面又遇到新标签前面的映射没更新。更常见的是映射表里所有文件都映射到同一个标签。解决先遍历所有文件收集唯一标签建立固定映射再第二次遍历读取信号。或者直接用sklearn.preprocessing.LabelEncoder统一编码。4.3 现象训练集准确率高测试集准确率低得离谱原因按窗口随机划分导致数据泄漏。解决按源文件划分如 3.2 节所述。检查方法打印训练集和测试集里出现的文件名看是否有交集。4.4 现象内存爆掉读几个文件就卡死原因48 kHz 文件很长一个文件几十万点全部读入内存再切窗内存占用是原始信号的数倍。解决边读边切切完立即释放原始信号或者用生成器逐文件 yield 窗口。如果数据量特别大可以先把切好的窗口存成.npy内存映射文件。4.5 现象同一类故障不同负载的样本被当成不同类原因映射表把不同编号映射到了不同标签但实际它们属于同一故障类型。解决映射表的键是文件编号值是故障类型字符串确保同一故障不同负载的编号指向同一个字符串。检查方法打印每个标签对应的文件编号列表人工核对。5. 进阶用导入包快速验证一个 1D-CNN baseline导入包搭好后验证它是否可靠的最好方式是用一个简单模型跑一遍。我一般用 1D-CNN因为振动信号是一维时序CNN 能自动提取局部特征比手工特征省事。下面是一个最小 PyTorch 模型输入窗长 1024输出类别数由label_to_id长度决定。import torch import torch.nn as nn class CNN1D(nn.Module): def __init__(self, n_classes, in_channels1): super().__init__() self.features nn.Sequential( nn.Conv1d(in_channels, 16, kernel_size15, stride2, padding7), nn.ReLU(), nn.MaxPool1d(2), nn.Conv1d(16, 32, kernel_size7, stride2, padding3), nn.ReLU(), nn.MaxPool1d(2), nn.Conv1d(32, 64, kernel_size3, stride2, padding1), nn.ReLU(), nn.AdaptiveAvgPool1d(1) ) self.classifier nn.Linear(64, n_classes) def forward(self, x): # x: (batch, 1, window_size) x self.features(x) x x.squeeze(-1) return self.classifier(x)逻辑说明三层卷积逐步增大通道数AdaptiveAvgPool1d(1)把时间维压成 1再接全连接分类。参数说明kernel_size第一层用 15 是为了覆盖足够长的局部波形stride2降采样减少计算量。训练时用CrossEntropyLoss优化器选 Adam学习率 1e-3跑 20 个 epoch 通常能看到测试准确率到 95% 以上。如果准确率上不去先检查导入环节的标签和划分而不是调模型。验证导入包是否正确还有一个笨办法但很有效随机抽一个测试窗口画出波形再打印它的标签和源文件名人工看一眼波形是否像对应故障。内圈故障会有周期性冲击外圈故障冲击间隔更稳定滚动体故障调制现象明显。这一步花五分钟能省掉后面几小时的玄学调参。我自己的习惯是每次换数据集或改导入逻辑先跑一个“小样本过拟合”测试取 10 个窗口让模型过拟合到 100% 准确率。如果做不到说明导入的标签或数据有问题而不是模型不行。这个习惯帮我省了很多后悔药。希望帮到你。本文还有配套的精品资源点击获取 CWRU轴承振动信号导入包：从.mat文件到分类器的高效实现
简介这份资源是面向机械健康监测与故障诊断方向的科研人员和学生准备的CWRU轴承振动信号导入包用于快速加载并处理凯斯西储大学公开的轴承数据集为故障检测与预测实验提供标准化的数据入口。压缩包共6个文件约6KB以Python脚本为主辅以打包配置、许可协议与说明文档其中核心模块提供多变量振动信号的组织与读取能力方便直接接入后续分析流程。已有260人学习下载适合刚接触CWRU数据集、希望省去数据整理环节的入门者也适合需要统一数据接口的算法验证场景。使用者可借助该包完成信号预处理、特征提取与异常识别等环节的快速搭建把精力集中在诊断模型的设计与对比上从而更高效地复现和验证轴承故障诊断方法。1. 从一堆 .mat 文件到能跑的分类器CWRU轴承振动信号导入包到底解决什么如果你做过旋转机械故障诊断大概率绕不开凯斯西储大学CWRU轴承数据集。它几乎是入门轴承振动信号分析的第一站文件不大、标签清晰、工况齐全网上讲解一抓一大把。但真正动手时很多人卡在第一步——下载下来是一堆 .mat 文件文件名像97.mat、105.mat打开后变量名又是X097_DE_time、X105_DE_time这种到底哪个文件对应哪种故障、哪个通道是驱动端、采样率多少、怎么切成训练集全靠翻文档和猜。所谓 CWRU轴承振动信号导入包本质上就是把这层“脏活”封装掉给定数据目录自动扫描文件、解析文件名与标签映射、抽取指定通道、按窗口切分、归一化最后吐出可以直接喂给 sklearn 或 PyTorch 的数组。它解决的不是模型精度问题而是让一个新手在半小时内从零跑通“加载—切分—训练—评估”的闭环而不是花两天在文件解析上翻车。适合谁适合刚接触 CWRU 数据集的学生、需要快速搭 baseline 的算法工程师以及想把振动信号分类做成教学案例的人。下面我按自己实际搭这套导入流程的顺序把选型、实现、参数和坑一次讲清。2. 先搞懂 CWRU 文件命名与通道结构再谈导入2.1 文件名数字与故障标签的对应关系CWRU 数据集的 .mat 文件命名不是随机的每个数字对应一种工况和故障直径。常见做法是维护一张映射表把文件编号区间映射到标签。以驱动端DE数据为例正常基线文件编号在 97 到 100 附近内圈故障、外圈故障、滚动体故障各有自己的编号段。不同直径0.007、0.014、0.021 英寸又分属不同编号。很多人第一次导入时直接把所有文件混在一起结果标签全错训练出来的模型准确率虚高因为同一类故障的不同负载工况被当成了不同类。我一般会先写一个解析函数从文件名提取编号再查表得到标签。表可以硬编码也可以放在单独的 JSON 里方便修改。下面是一个最小可用的映射片段覆盖最常用的 12 类正常 3 种故障 × 3 种直径 少量工况# label_map.py # 键为文件名中的数字编号值为标签字符串 # 仅列出最常用的一部分实际使用时可扩展 CWRU_LABEL_MAP { 97: normal, 98: normal, 99: normal, 100: normal, 105: inner_race_007, 106: inner_race_007, 107: inner_race_007, 108: inner_race_007, 118: outer_race_007, 119: outer_race_007, 120: outer_race_007, 121: outer_race_007, 130: ball_007, 131: ball_007, 132: ball_007, 133: ball_007, # 0.014 和 0.021 英寸的编号段可继续补充 }逻辑说明编号到标签的映射必须和官方文档核对不能凭记忆。参数说明CWRU_LABEL_MAP的键是整数值是字符串标签如果后续要做多分类标签字符串可以直接作为类别名。注意同一故障直径下不同负载的文件编号不同但标签应该相同所以映射表里会出现多个编号指向同一个标签的情况。2.2 驱动端、风扇端与基座通道的取舍每个 .mat 文件里通常包含多个变量比如X097_DE_time是驱动端加速度计数据X097_FE_time是风扇端X097_BA_time是基座。做轴承故障分类绝大多数论文和工程实践只用驱动端DE因为信号信噪比最高、故障特征最明显。风扇端信号衰减大基座信号更弱。导入包应该允许指定通道后缀默认DE。读取 .mat 文件用scipy.io.loadmat即可但要注意变量名是动态的不能写死。常见做法是遍历文件里的键找到以_DE_time结尾的那个。下面是一个通道抽取函数import scipy.io as sio import numpy as np def load_signal(mat_path, channelDE): 从 .mat 文件中读取指定通道的振动信号。 mat_path: .mat 文件路径 channel: DE、FE 或 BA 返回一维 numpy 数组 mat sio.loadmat(mat_path) suffix f_{channel}_time for key in mat: if key.endswith(suffix): return mat[key].ravel().astype(np.float32) raise KeyError(f未找到通道 {channel} 对应的变量文件{mat_path})逻辑说明ravel()把列向量压平成一维astype(np.float32)减少内存占用。参数说明channel默认DE如果要做多通道融合可以改成列表循环读取。注意有些文件可能没有_BA_time所以异常处理要保留。2.3 采样率与窗口切分的参数怎么定CWRU 驱动端采样率常见为 12 kHz 和 48 kHz 两种。12 kHz 数据用于故障直径 0.007 到 0.021 英寸的多数文件48 kHz 用于部分 0.014 和 0.021 英寸文件。导入包必须记录每个文件的采样率否则后续做频谱分析时频率轴全错。窗口切分通常用固定长度滑动窗比如窗长 1024 点、步长 512 点。窗长太短频率分辨率不够窗长太长样本数太少。我一般先用 1024 点试如果分类效果差再调到 2048。def segment_signal(signal, window_size1024, step512): 对一维信号做滑动窗切分。 返回形状为 (n_windows, window_size) 的数组。 n len(signal) windows [] for start in range(0, n - window_size 1, step): windows.append(signal[start:start window_size]) return np.stack(windows)逻辑说明range的终点是n - window_size 1保证最后一个窗完整。参数说明window_size默认 1024step默认 512即 50% 重叠。如果样本不够可以减小 step 到 256 增加样本量但要注意相邻窗相关性变高。3. 把导入包写成可复用的 Dataset从目录扫描到批量化3.1 目录扫描与标签自动匹配导入包的核心入口应该是一个函数输入数据根目录输出特征矩阵和标签向量。目录结构可以扁平也可以按故障类型分文件夹。我倾向于扁平结构因为 CWRU 原始下载就是一堆 .mat 文件。扫描时用glob找所有 .mat然后从文件名提取数字查映射表。如果某个文件不在映射表里跳过并打印警告不要静默丢弃。import os import glob import re from label_map import CWRU_LABEL_MAP def scan_dataset(root_dir, channelDE, window_size1024, step512): 扫描目录下所有 .mat 文件返回 (X, y, file_names)。 X: (n_samples, window_size) y: (n_samples,) 整数标签 file_names: 每个样本对应的源文件名便于排查 mat_files glob.glob(os.path.join(root_dir, *.mat)) X_list, y_list, name_list [], [], [] label_to_id {} for mat_path in sorted(mat_files): base os.path.basename(mat_path) match re.match(r(\d), base) if not match: print(f跳过无法解析的文件{base}) continue file_id int(match.group(1)) if file_id not in CWRU_LABEL_MAP: print(f跳过未映射的文件{base}) continue label_str CWRU_LABEL_MAP[file_id] if label_str not in label_to_id: label_to_id[label_str] len(label_to_id) signal load_signal(mat_path, channelchannel) windows segment_signal(signal, window_size, step) X_list.append(windows) y_list.append(np.full(len(windows), label_to_id[label_str])) name_list.extend([base] * len(windows)) X np.concatenate(X_list, axis0) y np.concatenate(y_list, axis0) return X, y, name_list, label_to_id逻辑说明label_to_id动态生成保证标签从 0 开始连续。name_list记录每个窗口来自哪个文件方便后续做按文件划分训练测试集避免同一文件窗口同时出现在训练和测试中导致数据泄漏。参数说明root_dir是 .mat 文件所在目录channel默认DEwindow_size和step按上一节建议设置。3.2 按文件划分训练集与测试集避免数据泄漏这是最容易被忽略的一步。如果随机划分窗口同一个 .mat 文件切出的窗口可能一部分在训练集、一部分在测试集模型相当于见过测试数据的“兄弟窗口”准确率会虚高十几个百分点。正确做法是按源文件划分先把文件列表分成训练文件和测试文件再分别取窗口。我一般用 70% 文件做训练30% 做测试且保证每类都有文件进入测试集。from sklearn.model_selection import train_test_split def split_by_file(X, y, file_names, test_size0.3, random_state42): 按源文件划分训练集和测试集。 unique_files np.unique(file_names) train_files, test_files train_test_split( unique_files, test_sizetest_size, random_staterandom_state ) train_mask np.isin(file_names, train_files) test_mask np.isin(file_names, test_files) return (X[train_mask], y[train_mask], X[test_mask], y[test_mask])逻辑说明np.isin生成布尔掩码避免循环。参数说明test_size默认 0.3random_state固定保证可复现。注意如果某类文件数很少train_test_split可能把某类全部划到一边需要加stratify参数按标签分层但分层对象应该是文件对应的标签不是窗口标签。3.3 归一化与数据加载器对接振动信号幅值范围因工况而异归一化能加速收敛。常见做法是每个窗口减均值除标准差或者全局 min-max。我倾向于按窗口做 z-score因为不同负载下幅值差异大按窗口归一化更鲁棒。def normalize_windows(X): 对每个窗口做 z-score 归一化。 mean X.mean(axis1, keepdimsTrue) std X.std(axis1, keepdimsTrue) 1e-8 return (X - mean) / std逻辑说明keepdimsTrue保持二维形状便于广播。1e-8防止除零。参数说明如果要做全局归一化把axis1改成axisNone但我不推荐因为会丢失工况差异信息。对接 PyTorch 时把X转成float32张量y转成long张量用TensorDataset和DataLoader包装即可。批大小一般设 64 或 128太小训练慢太大内存吃紧。4. 导入环节的避坑与排查那些让我重跑一晚上的细节4.1 现象读取 .mat 报错“Unknown mat file type”原因CWRU 部分文件是 v7.3 格式的 HDF5scipy.io.loadmat不支持。解决用h5py读取或者用mat73库。判断方法用sio.loadmat报错时捕获异常改用h5py.File遍历键。注意 h5py 读出来是转置的需要.T。4.2 现象标签全变成 0模型准确率 100%原因label_to_id在循环里动态生成但y_list里存的是当时的值如果后面又遇到新标签前面的映射没更新。更常见的是映射表里所有文件都映射到同一个标签。解决先遍历所有文件收集唯一标签建立固定映射再第二次遍历读取信号。或者直接用sklearn.preprocessing.LabelEncoder统一编码。4.3 现象训练集准确率高测试集准确率低得离谱原因按窗口随机划分导致数据泄漏。解决按源文件划分如 3.2 节所述。检查方法打印训练集和测试集里出现的文件名看是否有交集。4.4 现象内存爆掉读几个文件就卡死原因48 kHz 文件很长一个文件几十万点全部读入内存再切窗内存占用是原始信号的数倍。解决边读边切切完立即释放原始信号或者用生成器逐文件 yield 窗口。如果数据量特别大可以先把切好的窗口存成.npy内存映射文件。4.5 现象同一类故障不同负载的样本被当成不同类原因映射表把不同编号映射到了不同标签但实际它们属于同一故障类型。解决映射表的键是文件编号值是故障类型字符串确保同一故障不同负载的编号指向同一个字符串。检查方法打印每个标签对应的文件编号列表人工核对。5. 进阶用导入包快速验证一个 1D-CNN baseline导入包搭好后验证它是否可靠的最好方式是用一个简单模型跑一遍。我一般用 1D-CNN因为振动信号是一维时序CNN 能自动提取局部特征比手工特征省事。下面是一个最小 PyTorch 模型输入窗长 1024输出类别数由label_to_id长度决定。import torch import torch.nn as nn class CNN1D(nn.Module): def __init__(self, n_classes, in_channels1): super().__init__() self.features nn.Sequential( nn.Conv1d(in_channels, 16, kernel_size15, stride2, padding7), nn.ReLU(), nn.MaxPool1d(2), nn.Conv1d(16, 32, kernel_size7, stride2, padding3), nn.ReLU(), nn.MaxPool1d(2), nn.Conv1d(32, 64, kernel_size3, stride2, padding1), nn.ReLU(), nn.AdaptiveAvgPool1d(1) ) self.classifier nn.Linear(64, n_classes) def forward(self, x): # x: (batch, 1, window_size) x self.features(x) x x.squeeze(-1) return self.classifier(x)逻辑说明三层卷积逐步增大通道数AdaptiveAvgPool1d(1)把时间维压成 1再接全连接分类。参数说明kernel_size第一层用 15 是为了覆盖足够长的局部波形stride2降采样减少计算量。训练时用CrossEntropyLoss优化器选 Adam学习率 1e-3跑 20 个 epoch 通常能看到测试准确率到 95% 以上。如果准确率上不去先检查导入环节的标签和划分而不是调模型。验证导入包是否正确还有一个笨办法但很有效随机抽一个测试窗口画出波形再打印它的标签和源文件名人工看一眼波形是否像对应故障。内圈故障会有周期性冲击外圈故障冲击间隔更稳定滚动体故障调制现象明显。这一步花五分钟能省掉后面几小时的玄学调参。我自己的习惯是每次换数据集或改导入逻辑先跑一个“小样本过拟合”测试取 10 个窗口让模型过拟合到 100% 准确率。如果做不到说明导入的标签或数据有问题而不是模型不行。这个习惯帮我省了很多后悔药。希望帮到你。本文还有配套的精品资源点击获取