简介这份CWRU轴承振动信号导入包面向机械健康监测与故障诊断方向的研究人员、学生及工程师用于便捷加载并处理凯斯西储大学经典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整体轻量、便于快速集成到现有分析流程中。其中核心模块提供多变量振动信号的读取与组织方式方便用户在此基础上开展滤波降噪、谱分析、峭度等特征提取以及异常检测与故障识别研究。已有260人学习下载适合希望快速复现CWRU基准实验、验证新诊断算法或搭建机械故障诊断原型的读者参考使用。1. 拿到 CWRU 轴承振动信号导入包它到底替你省掉了哪几步如果你做过 CWRU 轴承故障诊断大概率经历过这样的流程从官网下载一堆.mat文件手动区分 0HP、1HP、2HP、3HP 四种负载工况再按内圈、外圈、滚动体故障和正常状态逐个归类最后写循环把信号读进内存。这套动作做一次不累做十次就是纯体力活。这个「CWRU轴承振动信号导入包」要解决的正是这件事——它把数据文件的组织、路径解析和批量加载封装成了一个可安装的 Python 包让你用几行代码就能拿到结构化的振动信号数组而不是每次重新造轮子。它适合正在做故障诊断实验、需要反复切换工况和故障类型的研究生与工程师也适合想把 CWRU 当作算法验证基准的从业者。包体量不大但省下的是每次实验前那段重复且容易出错的准备时间。2. 拆开这个包文件结构与加载逻辑2.1 从文件清单看设计意图拿到一个 Python 包我习惯先看根目录的文件清单因为它直接暴露了作者的打包思路。这个包的根目录包含MANIFEST.in、LICENSE、setup.py、README.md以及核心模块目录multivariate_cwru。multivariate_cwru下面有__init__.py和datafiles.txt前者说明这是一个可导入的 Python 包后者大概率记录了数据文件的索引或路径映射。MANIFEST.in的存在值得多说一句。它的作用是告诉构建工具除了.py源码之外还要把哪些非代码文件打进发行版。在这个包里datafiles.txt很可能就是被MANIFEST.in显式包含的资源文件。如果你直接pip install后发现程序报「找不到 datafiles.txt」八成是打包时漏了这一行配置。常见做法是在MANIFEST.in里写include multivariate_cwru/datafiles.txt确保数据索引跟着包一起走。setup.py是安装入口决定了包的名称、版本、依赖和入口点。LICENSE决定你能怎么用——科研场景下通常是 MIT 或 Apache 2.0允许自由修改和分发但商用前最好确认一下具体条款。README.md是作者留给你的第一手说明安装命令、快速开始示例、已知限制一般都在里面建议先通读再动手。2.2 安装与导入从零到跑通第一条信号假设你已经把包下载到本地并解压接下来是安装。我一般不建议直接python setup.py install因为这种方式会把包硬编码进当前环境的site-packages后续想卸载或换版本很麻烦。更稳妥的做法是用pip以开发模式安装# 进入解压后的包根目录 cd CWRU轴承振动信号导入包 # 以可编辑模式安装方便后续修改源码 pip install -e . # 验证安装是否成功 python -c import multivariate_cwru; print(multivariate_cwru.__file__)pip install -e .中的-e表示 editable它不会把包复制到site-packages而是创建一个指向当前目录的链接。这样你改源码后不用重新安装调试阶段特别省事。最后一行命令用来确认包能被正确导入并打印出实际加载的路径——如果路径指向你的解压目录说明安装成功如果报ModuleNotFoundError检查一下当前目录下是否有setup.py以及 Python 环境是否和你安装时用的是同一个。安装完成后导入方式通常是from multivariate_cwru import load_data # 假设包提供了按工况和故障类型加载的接口 signal, label load_data(load0HP, faultinner_race, sensorDE) print(signal.shape, label)这里load参数对应负载工况fault对应故障类型sensor对应传感器位置驱动端 DE、风扇端 FE、基座 BA。具体参数名要以README.md或__init__.py里的实际定义为准不同作者的命名习惯不一样。如果导入时报参数错误先看__init__.py里导出了哪些函数再用help(load_data)看签名。2.3 datafiles.txt 与多变量数据的组织方式datafiles.txt是这个包里最容易被忽略但最关键的文件之一。它本质上是一张索引表把「工况 故障类型 传感器」映射到具体的.mat文件名。CWRU 原始数据集的文件命名有固定规律比如97.mat、105.mat、130.mat分别对应不同故障直径和转速下的驱动端信号但光看文件名根本猜不出内容。datafiles.txt就是把这层映射关系固化下来让加载函数可以通过查表定位文件。如果你打开datafiles.txt大概率会看到类似这样的结构0HP,normal,DE,97.mat 0HP,inner_race,DE,105.mat 0HP,outer_race,DE,130.mat ...每行一条记录字段之间用逗号或制表符分隔。加载函数读取这个文件后根据你传入的工况和故障类型拼出文件路径再用scipy.io.loadmat读取信号。这种设计的优点是扩展性强——如果你想加入新的数据文件只要往datafiles.txt里追加一行不用改代码逻辑。注意如果你自己补充了数据文件但加载时报「文件不存在」先检查datafiles.txt里的路径是相对路径还是绝对路径。相对路径的基准通常是包的安装目录而不是你的工作目录。多变量体现在哪里CWRU 数据集本身包含驱动端、风扇端和基座三个传感器的振动信号有些版本还会把同一工况下不同故障直径的信号合并成多通道数组。这个包如果支持多变量加载返回的signal可能是形状为(n_samples, n_channels)的二维数组n_channels对应不同传感器或不同方向的信号。做故障诊断时多通道输入通常比单通道效果更好因为不同位置的传感器对不同类型的故障敏感度不同——内圈故障在驱动端信号里更明显外圈故障在风扇端可能也有反映。用多变量数据训练模型相当于给算法提供了更丰富的视角。3. 用这个包跑一次完整的故障诊断实验3.1 数据加载与预处理从 .mat 到模型可用的数组加载到信号之后下一步是预处理。CWRU 原始信号是时域振动波形采样率常见为 12kHz 或 48kHz直接丢给分类器效果通常不好因为原始波形维度太高、噪声大、故障特征不明显。我一般会先做分段把长信号切成固定长度的样本再做归一化或标准化。import numpy as np from multivariate_cwru import load_data # 加载 0HP 工况下内圈故障的驱动端信号 signal, label load_data(load0HP, faultinner_race, sensorDE) # 假设 signal 是一维长序列切成长度为 1024 的样本 window_size 1024 stride 512 segments [] for start in range(0, len(signal) - window_size, stride): segments.append(signal[start:start window_size]) segments np.array(segments) # 按样本做 Z-score 标准化 mean segments.mean(axis1, keepdimsTrue) std segments.std(axis1, keepdimsTrue) 1e-8 segments (segments - mean) / std print(segments.shape) # (n_samples, 1024)window_size取 1024 是常见做法对应 12kHz 采样率下约 85ms 的窗口足够覆盖一个完整的冲击周期。stride取窗口的一半是为了增加样本量同时保留一定的重叠避免切分时丢失故障冲击的完整波形。标准化用 Z-score 而不是简单除以最大值是因为振动信号的幅值受负载影响大Z-score 能消除量纲差异让不同工况下的样本分布更一致。如果你用的是多变量版本signal可能是二维的切分时需要同时处理多个通道# 假设 signal 形状为 (n_channels, n_points) n_channels, n_points signal.shape segments [] for start in range(0, n_points - window_size, stride): seg signal[:, start:start window_size] # (n_channels, window_size) segments.append(seg) segments np.array(segments) # (n_samples, n_channels, window_size)这种三维数组可以直接喂给一维卷积网络或循环网络通道维度对应不同传感器。3.2 特征提取与分类器选择时域、频域还是直接上深度学习预处理之后有两条路手工特征 传统分类器或者端到端深度学习。两条路我都走过各有适用场景。手工特征路线适合样本量小、算力有限的情况。常用的时域特征包括均方根、峭度、峰值因子、裕度因子频域特征包括谱峭度、包络谱峰值、故障特征频率处的幅值。CWRU 的故障特征频率可以根据轴承几何参数和转速算出来内圈故障、外圈故障、滚动体故障各有对应的理论频率。如果你能在包络谱上找到这些频率的峰值基本就能判断故障类型。from scipy.stats import kurtosis, skew from scipy.fft import fft, fftfreq def extract_features(segment, fs12000): # 时域特征 rms np.sqrt(np.mean(segment ** 2)) kurt kurtosis(segment) peak np.max(np.abs(segment)) crest peak / (rms 1e-8) # 频域特征包络谱峰值 spectrum np.abs(fft(segment)) freqs fftfreq(len(segment), 1/fs) # 只看正频率部分 pos_mask freqs 0 spectrum spectrum[pos_mask] freqs freqs[pos_mask] peak_freq freqs[np.argmax(spectrum)] return [rms, kurt, crest, peak_freq]kurtosis对冲击信号特别敏感轴承出现局部故障时振动信号里会出现周期性冲击峭度值会明显升高。crest峰值因子也是类似逻辑正常状态下接近 3故障时可能到 5 以上。频域特征里peak_freq直接取幅值最大的频率成分如果这个频率接近理论故障特征频率就是强证据。深度学习路线适合样本充足、想省去手工特征设计的情况。把切分好的segments直接输入一维 CNN让网络自己学特征。我一般会用 3 到 5 层卷积每层后面接批归一化和最大池化最后全局平均池化后接全连接分类。这种结构在 CWRU 上通常能到 95% 以上的准确率但要注意划分训练集和测试集时按工况划分而不是随机划分——随机划分会让同一段信号的不同窗口同时出现在训练集和测试集里准确率虚高实际部署时性能会掉得厉害。3.3 工况迁移验证0HP 训练、3HP 测试到底行不行CWRU 数据集的一个经典用法是跨工况验证用 0HP 数据训练用 1HP、2HP、3HP 数据测试。这样做是为了模拟真实场景——设备运行条件会变模型不能只在单一工况下有效。# 加载多个工况的数据 loads [0HP, 1HP, 2HP, 3HP] data_by_load {} for load in loads: signal, label load_data(loadload, faultinner_race, sensorDE) segments segment_signal(signal, window_size1024, stride512) data_by_load[load] segments # 0HP 做训练其余做测试 X_train data_by_load[0HP] X_test np.concatenate([data_by_load[l] for l in [1HP, 2HP, 3HP]])跨工况验证的准确率通常会比同工况随机划分低 10 到 20 个百分点这是正常的。如果掉得太多说明模型学到的特征和工况强相关而不是和故障本身相关。改进方向包括做工况归一化、用对抗训练让特征对工况不变、或者加入更多工况的数据做数据增强。提示跨工况实验里标准化参数要用训练集的均值和方差不能对测试集单独做标准化否则等于用了测试集的信息结果不可信。4. 避坑与排查那些让我重跑实验的细节4.1 文件路径与打包遗漏现象pip install之后导入包调用加载函数时报FileNotFoundError提示找不到datafiles.txt或某个.mat文件。原因MANIFEST.in没有正确包含资源文件或者datafiles.txt里的路径是相对于作者本地目录的绝对路径换到你的机器上就失效了。解决先确认MANIFEST.in里有include multivariate_cwru/datafiles.txt这一行。如果路径是绝对路径手动改成相对路径基准设为包的安装目录。可以用os.path.dirname(__file__)动态获取包目录再拼接文件名。4.2 采样率与频率轴对不上现象包络谱上找不到理论故障特征频率的峰值或者峰值位置和预期差很远。原因CWRU 数据集的采样率有 12kHz 和 48kHz 两种不同文件可能不一样。如果加载时没有正确读取采样率频率轴就算错了。解决加载信号时同时读取.mat文件里的采样率字段或者在datafiles.txt里增加一列记录采样率。做 FFT 时用实际采样率计算频率轴不要硬编码 12000。4.3 训练集和测试集泄漏现象同工况随机划分时准确率 99%跨工况测试时掉到 60%。原因随机划分时同一段连续信号的不同窗口被分到了训练集和测试集两个集合的样本高度相关模型相当于在背答案。解决按时间段划分前 70% 做训练后 30% 做测试或者直接按工况划分。如果样本量足够还可以按故障直径划分用 0.007 英寸故障训练用 0.014 英寸故障测试验证模型对故障严重程度的泛化能力。4.4 标签编码不一致现象模型训练时准确率正常但混淆矩阵里某些类别完全对不上或者预测标签和真实标签的映射关系乱了。原因不同工况或不同故障类型的标签编码方式不一致比如正常状态在 0HP 里编码为 0在 1HP 里编码为 4。解决在加载阶段统一标签映射用一个固定的字典把故障类型映射到整数比如{normal: 0, inner_race: 1, outer_race: 2, ball: 3}。所有工况共用同一套映射避免训练时标签错位。4.5 内存溢出与批量加载现象一次性加载所有工况的所有传感器数据后内存直接爆掉程序被系统杀掉。原因CWRU 数据集虽然单文件不大但四个工况乘以多种故障类型乘以三个传感器全部加载后数组维度很可观尤其是切分窗口之后样本量翻倍。解决用生成器或tf.data.Dataset做惰性加载每次只读一个批次的数据。如果坚持用 NumPy至少把数据类型从float64降到float32内存占用直接减半。5. 进阶技巧把导入包接进你自己的训练流水线5.1 封装成 Dataset 类适配 PyTorch 或 TensorFlow这个包负责加载和索引但训练流水线通常需要Dataset或DataLoader接口。我一般会写一个薄封装把load_data的输出转成框架能直接消费的格式。import torch from torch.utils.data import Dataset, DataLoader from multivariate_cwru import load_data class CWRUDataset(Dataset): def __init__(self, load, fault, sensor, window_size1024, stride512): signal, label load_data(loadload, faultfault, sensorsensor) self.segments [] for start in range(0, len(signal) - window_size, stride): seg signal[start:start window_size] # Z-score 标准化 seg (seg - seg.mean()) / (seg.std() 1e-8) self.segments.append(seg) self.segments torch.tensor(self.segments, dtypetorch.float32) self.label label def __len__(self): return len(self.segments) def __getitem__(self, idx): return self.segments[idx].unsqueeze(0), self.label # 使用 dataset CWRUDataset(load0HP, faultinner_race, sensorDE) loader DataLoader(dataset, batch_size64, shuffleTrue)unsqueeze(0)是为了给一维信号增加通道维度变成(1, window_size)符合 PyTorch 卷积层的输入要求。shuffleTrue只在训练时开验证和测试时关掉保证结果可复现。5.2 用配置文件管理实验参数跨工况实验涉及大量参数组合工况、故障类型、传感器、窗口大小、步长、模型结构、学习率。硬编码在脚本里改起来容易漏我习惯用一个 YAML 或 JSON 配置文件统一管理。# config.yaml data: loads: [0HP, 1HP, 2HP, 3HP] faults: [normal, inner_race, outer_race, ball] sensor: DE window_size: 1024 stride: 512 model: conv_channels: [32, 64, 128] kernel_size: 5 dropout: 0.3 train: batch_size: 64 lr: 0.001 epochs: 50加载配置后用循环遍历loads和faults自动生成所有组合的数据集。这样做的好处是实验可复现——配置文件一存半年后回来还能跑出一模一样的结果。5.3 验证导入包是否完整一个快速自检脚本在正式跑实验之前我建议先跑一个自检脚本确认包能正常加载所有工况和故障类型的数据避免训练到一半才发现某个文件缺失。from multivariate_cwru import load_data loads [0HP, 1HP, 2HP, 3HP] faults [normal, inner_race, outer_race, ball] sensors [DE, FE, BA] for load in loads: for fault in faults: for sensor in sensors: try: signal, label load_data(loadload, faultfault, sensorsensor) print(fOK: {load} / {fault} / {sensor} - shape{signal.shape}, label{label}) except Exception as e: print(fFAIL: {load} / {fault} / {sensor} - {e})这个脚本会遍历所有组合打印每个组合的加载结果。如果某个组合报错你能立刻定位到是文件缺失还是参数名不对。我一般会在换机器或换环境后先跑一遍这个自检确认无误再开始正式实验。从那以后我每次拿到新的数据导入包都强制先跑一遍全组合自检再开始写模型代码。这个习惯帮我省下了至少三次「训练到一半发现数据没加载全」的返工。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：快速加载与故障诊断实战
简介这份CWRU轴承振动信号导入包面向机械健康监测与故障诊断方向的研究人员、学生及工程师用于便捷加载并处理凯斯西储大学经典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整体轻量、便于快速集成到现有分析流程中。其中核心模块提供多变量振动信号的读取与组织方式方便用户在此基础上开展滤波降噪、谱分析、峭度等特征提取以及异常检测与故障识别研究。已有260人学习下载适合希望快速复现CWRU基准实验、验证新诊断算法或搭建机械故障诊断原型的读者参考使用。1. 拿到 CWRU 轴承振动信号导入包它到底替你省掉了哪几步如果你做过 CWRU 轴承故障诊断大概率经历过这样的流程从官网下载一堆.mat文件手动区分 0HP、1HP、2HP、3HP 四种负载工况再按内圈、外圈、滚动体故障和正常状态逐个归类最后写循环把信号读进内存。这套动作做一次不累做十次就是纯体力活。这个「CWRU轴承振动信号导入包」要解决的正是这件事——它把数据文件的组织、路径解析和批量加载封装成了一个可安装的 Python 包让你用几行代码就能拿到结构化的振动信号数组而不是每次重新造轮子。它适合正在做故障诊断实验、需要反复切换工况和故障类型的研究生与工程师也适合想把 CWRU 当作算法验证基准的从业者。包体量不大但省下的是每次实验前那段重复且容易出错的准备时间。2. 拆开这个包文件结构与加载逻辑2.1 从文件清单看设计意图拿到一个 Python 包我习惯先看根目录的文件清单因为它直接暴露了作者的打包思路。这个包的根目录包含MANIFEST.in、LICENSE、setup.py、README.md以及核心模块目录multivariate_cwru。multivariate_cwru下面有__init__.py和datafiles.txt前者说明这是一个可导入的 Python 包后者大概率记录了数据文件的索引或路径映射。MANIFEST.in的存在值得多说一句。它的作用是告诉构建工具除了.py源码之外还要把哪些非代码文件打进发行版。在这个包里datafiles.txt很可能就是被MANIFEST.in显式包含的资源文件。如果你直接pip install后发现程序报「找不到 datafiles.txt」八成是打包时漏了这一行配置。常见做法是在MANIFEST.in里写include multivariate_cwru/datafiles.txt确保数据索引跟着包一起走。setup.py是安装入口决定了包的名称、版本、依赖和入口点。LICENSE决定你能怎么用——科研场景下通常是 MIT 或 Apache 2.0允许自由修改和分发但商用前最好确认一下具体条款。README.md是作者留给你的第一手说明安装命令、快速开始示例、已知限制一般都在里面建议先通读再动手。2.2 安装与导入从零到跑通第一条信号假设你已经把包下载到本地并解压接下来是安装。我一般不建议直接python setup.py install因为这种方式会把包硬编码进当前环境的site-packages后续想卸载或换版本很麻烦。更稳妥的做法是用pip以开发模式安装# 进入解压后的包根目录 cd CWRU轴承振动信号导入包 # 以可编辑模式安装方便后续修改源码 pip install -e . # 验证安装是否成功 python -c import multivariate_cwru; print(multivariate_cwru.__file__)pip install -e .中的-e表示 editable它不会把包复制到site-packages而是创建一个指向当前目录的链接。这样你改源码后不用重新安装调试阶段特别省事。最后一行命令用来确认包能被正确导入并打印出实际加载的路径——如果路径指向你的解压目录说明安装成功如果报ModuleNotFoundError检查一下当前目录下是否有setup.py以及 Python 环境是否和你安装时用的是同一个。安装完成后导入方式通常是from multivariate_cwru import load_data # 假设包提供了按工况和故障类型加载的接口 signal, label load_data(load0HP, faultinner_race, sensorDE) print(signal.shape, label)这里load参数对应负载工况fault对应故障类型sensor对应传感器位置驱动端 DE、风扇端 FE、基座 BA。具体参数名要以README.md或__init__.py里的实际定义为准不同作者的命名习惯不一样。如果导入时报参数错误先看__init__.py里导出了哪些函数再用help(load_data)看签名。2.3 datafiles.txt 与多变量数据的组织方式datafiles.txt是这个包里最容易被忽略但最关键的文件之一。它本质上是一张索引表把「工况 故障类型 传感器」映射到具体的.mat文件名。CWRU 原始数据集的文件命名有固定规律比如97.mat、105.mat、130.mat分别对应不同故障直径和转速下的驱动端信号但光看文件名根本猜不出内容。datafiles.txt就是把这层映射关系固化下来让加载函数可以通过查表定位文件。如果你打开datafiles.txt大概率会看到类似这样的结构0HP,normal,DE,97.mat 0HP,inner_race,DE,105.mat 0HP,outer_race,DE,130.mat ...每行一条记录字段之间用逗号或制表符分隔。加载函数读取这个文件后根据你传入的工况和故障类型拼出文件路径再用scipy.io.loadmat读取信号。这种设计的优点是扩展性强——如果你想加入新的数据文件只要往datafiles.txt里追加一行不用改代码逻辑。注意如果你自己补充了数据文件但加载时报「文件不存在」先检查datafiles.txt里的路径是相对路径还是绝对路径。相对路径的基准通常是包的安装目录而不是你的工作目录。多变量体现在哪里CWRU 数据集本身包含驱动端、风扇端和基座三个传感器的振动信号有些版本还会把同一工况下不同故障直径的信号合并成多通道数组。这个包如果支持多变量加载返回的signal可能是形状为(n_samples, n_channels)的二维数组n_channels对应不同传感器或不同方向的信号。做故障诊断时多通道输入通常比单通道效果更好因为不同位置的传感器对不同类型的故障敏感度不同——内圈故障在驱动端信号里更明显外圈故障在风扇端可能也有反映。用多变量数据训练模型相当于给算法提供了更丰富的视角。3. 用这个包跑一次完整的故障诊断实验3.1 数据加载与预处理从 .mat 到模型可用的数组加载到信号之后下一步是预处理。CWRU 原始信号是时域振动波形采样率常见为 12kHz 或 48kHz直接丢给分类器效果通常不好因为原始波形维度太高、噪声大、故障特征不明显。我一般会先做分段把长信号切成固定长度的样本再做归一化或标准化。import numpy as np from multivariate_cwru import load_data # 加载 0HP 工况下内圈故障的驱动端信号 signal, label load_data(load0HP, faultinner_race, sensorDE) # 假设 signal 是一维长序列切成长度为 1024 的样本 window_size 1024 stride 512 segments [] for start in range(0, len(signal) - window_size, stride): segments.append(signal[start:start window_size]) segments np.array(segments) # 按样本做 Z-score 标准化 mean segments.mean(axis1, keepdimsTrue) std segments.std(axis1, keepdimsTrue) 1e-8 segments (segments - mean) / std print(segments.shape) # (n_samples, 1024)window_size取 1024 是常见做法对应 12kHz 采样率下约 85ms 的窗口足够覆盖一个完整的冲击周期。stride取窗口的一半是为了增加样本量同时保留一定的重叠避免切分时丢失故障冲击的完整波形。标准化用 Z-score 而不是简单除以最大值是因为振动信号的幅值受负载影响大Z-score 能消除量纲差异让不同工况下的样本分布更一致。如果你用的是多变量版本signal可能是二维的切分时需要同时处理多个通道# 假设 signal 形状为 (n_channels, n_points) n_channels, n_points signal.shape segments [] for start in range(0, n_points - window_size, stride): seg signal[:, start:start window_size] # (n_channels, window_size) segments.append(seg) segments np.array(segments) # (n_samples, n_channels, window_size)这种三维数组可以直接喂给一维卷积网络或循环网络通道维度对应不同传感器。3.2 特征提取与分类器选择时域、频域还是直接上深度学习预处理之后有两条路手工特征 传统分类器或者端到端深度学习。两条路我都走过各有适用场景。手工特征路线适合样本量小、算力有限的情况。常用的时域特征包括均方根、峭度、峰值因子、裕度因子频域特征包括谱峭度、包络谱峰值、故障特征频率处的幅值。CWRU 的故障特征频率可以根据轴承几何参数和转速算出来内圈故障、外圈故障、滚动体故障各有对应的理论频率。如果你能在包络谱上找到这些频率的峰值基本就能判断故障类型。from scipy.stats import kurtosis, skew from scipy.fft import fft, fftfreq def extract_features(segment, fs12000): # 时域特征 rms np.sqrt(np.mean(segment ** 2)) kurt kurtosis(segment) peak np.max(np.abs(segment)) crest peak / (rms 1e-8) # 频域特征包络谱峰值 spectrum np.abs(fft(segment)) freqs fftfreq(len(segment), 1/fs) # 只看正频率部分 pos_mask freqs 0 spectrum spectrum[pos_mask] freqs freqs[pos_mask] peak_freq freqs[np.argmax(spectrum)] return [rms, kurt, crest, peak_freq]kurtosis对冲击信号特别敏感轴承出现局部故障时振动信号里会出现周期性冲击峭度值会明显升高。crest峰值因子也是类似逻辑正常状态下接近 3故障时可能到 5 以上。频域特征里peak_freq直接取幅值最大的频率成分如果这个频率接近理论故障特征频率就是强证据。深度学习路线适合样本充足、想省去手工特征设计的情况。把切分好的segments直接输入一维 CNN让网络自己学特征。我一般会用 3 到 5 层卷积每层后面接批归一化和最大池化最后全局平均池化后接全连接分类。这种结构在 CWRU 上通常能到 95% 以上的准确率但要注意划分训练集和测试集时按工况划分而不是随机划分——随机划分会让同一段信号的不同窗口同时出现在训练集和测试集里准确率虚高实际部署时性能会掉得厉害。3.3 工况迁移验证0HP 训练、3HP 测试到底行不行CWRU 数据集的一个经典用法是跨工况验证用 0HP 数据训练用 1HP、2HP、3HP 数据测试。这样做是为了模拟真实场景——设备运行条件会变模型不能只在单一工况下有效。# 加载多个工况的数据 loads [0HP, 1HP, 2HP, 3HP] data_by_load {} for load in loads: signal, label load_data(loadload, faultinner_race, sensorDE) segments segment_signal(signal, window_size1024, stride512) data_by_load[load] segments # 0HP 做训练其余做测试 X_train data_by_load[0HP] X_test np.concatenate([data_by_load[l] for l in [1HP, 2HP, 3HP]])跨工况验证的准确率通常会比同工况随机划分低 10 到 20 个百分点这是正常的。如果掉得太多说明模型学到的特征和工况强相关而不是和故障本身相关。改进方向包括做工况归一化、用对抗训练让特征对工况不变、或者加入更多工况的数据做数据增强。提示跨工况实验里标准化参数要用训练集的均值和方差不能对测试集单独做标准化否则等于用了测试集的信息结果不可信。4. 避坑与排查那些让我重跑实验的细节4.1 文件路径与打包遗漏现象pip install之后导入包调用加载函数时报FileNotFoundError提示找不到datafiles.txt或某个.mat文件。原因MANIFEST.in没有正确包含资源文件或者datafiles.txt里的路径是相对于作者本地目录的绝对路径换到你的机器上就失效了。解决先确认MANIFEST.in里有include multivariate_cwru/datafiles.txt这一行。如果路径是绝对路径手动改成相对路径基准设为包的安装目录。可以用os.path.dirname(__file__)动态获取包目录再拼接文件名。4.2 采样率与频率轴对不上现象包络谱上找不到理论故障特征频率的峰值或者峰值位置和预期差很远。原因CWRU 数据集的采样率有 12kHz 和 48kHz 两种不同文件可能不一样。如果加载时没有正确读取采样率频率轴就算错了。解决加载信号时同时读取.mat文件里的采样率字段或者在datafiles.txt里增加一列记录采样率。做 FFT 时用实际采样率计算频率轴不要硬编码 12000。4.3 训练集和测试集泄漏现象同工况随机划分时准确率 99%跨工况测试时掉到 60%。原因随机划分时同一段连续信号的不同窗口被分到了训练集和测试集两个集合的样本高度相关模型相当于在背答案。解决按时间段划分前 70% 做训练后 30% 做测试或者直接按工况划分。如果样本量足够还可以按故障直径划分用 0.007 英寸故障训练用 0.014 英寸故障测试验证模型对故障严重程度的泛化能力。4.4 标签编码不一致现象模型训练时准确率正常但混淆矩阵里某些类别完全对不上或者预测标签和真实标签的映射关系乱了。原因不同工况或不同故障类型的标签编码方式不一致比如正常状态在 0HP 里编码为 0在 1HP 里编码为 4。解决在加载阶段统一标签映射用一个固定的字典把故障类型映射到整数比如{normal: 0, inner_race: 1, outer_race: 2, ball: 3}。所有工况共用同一套映射避免训练时标签错位。4.5 内存溢出与批量加载现象一次性加载所有工况的所有传感器数据后内存直接爆掉程序被系统杀掉。原因CWRU 数据集虽然单文件不大但四个工况乘以多种故障类型乘以三个传感器全部加载后数组维度很可观尤其是切分窗口之后样本量翻倍。解决用生成器或tf.data.Dataset做惰性加载每次只读一个批次的数据。如果坚持用 NumPy至少把数据类型从float64降到float32内存占用直接减半。5. 进阶技巧把导入包接进你自己的训练流水线5.1 封装成 Dataset 类适配 PyTorch 或 TensorFlow这个包负责加载和索引但训练流水线通常需要Dataset或DataLoader接口。我一般会写一个薄封装把load_data的输出转成框架能直接消费的格式。import torch from torch.utils.data import Dataset, DataLoader from multivariate_cwru import load_data class CWRUDataset(Dataset): def __init__(self, load, fault, sensor, window_size1024, stride512): signal, label load_data(loadload, faultfault, sensorsensor) self.segments [] for start in range(0, len(signal) - window_size, stride): seg signal[start:start window_size] # Z-score 标准化 seg (seg - seg.mean()) / (seg.std() 1e-8) self.segments.append(seg) self.segments torch.tensor(self.segments, dtypetorch.float32) self.label label def __len__(self): return len(self.segments) def __getitem__(self, idx): return self.segments[idx].unsqueeze(0), self.label # 使用 dataset CWRUDataset(load0HP, faultinner_race, sensorDE) loader DataLoader(dataset, batch_size64, shuffleTrue)unsqueeze(0)是为了给一维信号增加通道维度变成(1, window_size)符合 PyTorch 卷积层的输入要求。shuffleTrue只在训练时开验证和测试时关掉保证结果可复现。5.2 用配置文件管理实验参数跨工况实验涉及大量参数组合工况、故障类型、传感器、窗口大小、步长、模型结构、学习率。硬编码在脚本里改起来容易漏我习惯用一个 YAML 或 JSON 配置文件统一管理。# config.yaml data: loads: [0HP, 1HP, 2HP, 3HP] faults: [normal, inner_race, outer_race, ball] sensor: DE window_size: 1024 stride: 512 model: conv_channels: [32, 64, 128] kernel_size: 5 dropout: 0.3 train: batch_size: 64 lr: 0.001 epochs: 50加载配置后用循环遍历loads和faults自动生成所有组合的数据集。这样做的好处是实验可复现——配置文件一存半年后回来还能跑出一模一样的结果。5.3 验证导入包是否完整一个快速自检脚本在正式跑实验之前我建议先跑一个自检脚本确认包能正常加载所有工况和故障类型的数据避免训练到一半才发现某个文件缺失。from multivariate_cwru import load_data loads [0HP, 1HP, 2HP, 3HP] faults [normal, inner_race, outer_race, ball] sensors [DE, FE, BA] for load in loads: for fault in faults: for sensor in sensors: try: signal, label load_data(loadload, faultfault, sensorsensor) print(fOK: {load} / {fault} / {sensor} - shape{signal.shape}, label{label}) except Exception as e: print(fFAIL: {load} / {fault} / {sensor} - {e})这个脚本会遍历所有组合打印每个组合的加载结果。如果某个组合报错你能立刻定位到是文件缺失还是参数名不对。我一般会在换机器或换环境后先跑一遍这个自检确认无误再开始正式实验。从那以后我每次拿到新的数据导入包都强制先跑一遍全组合自检再开始写模型代码。这个习惯帮我省下了至少三次「训练到一半发现数据没加载全」的返工。希望帮到你。本文还有配套的精品资源点击获取