简介面向机械故障诊断的Python深度学习完整方案覆盖滚动轴承、齿轮箱等典型部件适用于毕业设计、专业课程实践和工业预测性维护研发。算法以多层感知机、卷积神经网络、循环神经网络及自编码器为主借助振动频谱特征完成故障类型智能识别支持按应用场景调整网络结构或引入新的监测数据源。资源包共40个文件以可执行py脚本、xml工程配置、模型备份文件及txt/docx说明文档为主整体大小235KB小巧易传。已有66人学习参考代码均通过单元测试与集成验证关键模块设有异常处理并围绕数据预处理、特征提取、模型训练、性能评估四个环节提供模块化组件。随附技术文档还详细阐述了算法原理、数据管道构建方法、超参数优化策略与模型部署流程便于二次开发可作为设备运维智能化改造的起点。1. 深度学习故障诊断这套源码能让你避开毕设答辩的翻车现场机械故障诊断在毕业设计里是个“听着简单、做着反人类”的题目既要处理振动信号又要调模型还要保证测试集上的准确率拿得出手。我拆过不少类似项目最常见的结局是模型在训练集上表现惊艳、测试集一塌糊涂最后靠改标签骗自己。这份基于Python的深度神经网络故障诊断资源包走的是另一条路——它把滚动轴承和齿轮箱的振动数据从读取、特征组织到模型训练全流程串起来了核心是CNN、RNN和SAE三套可独立跑通的模型外加MNIST范例做基线验证。对毕设、课程设计和工业预测性维护的预研场景这套代码的参考价值比单纯读论文高得多。源码解析的价值就在此你能顺着代码看清楚输入管道怎么组织、网络参数怎么定、踩坑点在哪里。2. 轴承振动数据的输入管道先看懂 zhouchengshuju.py 再谈模型2.1 原始数据组织方式为什么直接用CSV裸数据会翻车压缩包里反复出现zhouchengshuju.py和ZCSJ.py两个数据脚本文件名其实是“轴承数据”的拼音缩写。这些脚本承担的不是加载数据那么简单而是把原始振动时序整理成模型能吃的矩阵。常见做法是每个样本取固定长度的时域片段比如一帧 1024 或 2048 个采样点然后叠加统计特征后做成二维数组行是样本序号、列是特征维度。# zhouchengshuju.py 的核心数据切分逻辑简化还原 import numpy as np import pandas as pd # 读原始振动信号每列对应一种工况正常/内圈故障/外圈故障/滚动体故障 raw pd.read_csv(bearing_vibration.csv, headerNone).values segment_len 1024 # 每帧采样点数对应约0.02秒50kHz采样率 stride 512 # 滑动步长重叠50%以扩充样本量 samples [] labels [] for col in range(raw.shape[1]): signal raw[:, col] for start in range(0, len(signal) - segment_len, stride): frame signal[start:start segment_len] samples.append(frame) labels.append(col) # 列序号即故障类别 samples np.asarray(samples, dtypenp.float32) labels np.asarray(labels, dtypenp.int32) print(样本形状:, samples.shape, 标签分布:, np.bincount(labels))这段代码的逻辑要点有两个。一是滑窗重叠率重叠50%能让样本量翻倍适合深度学习对数据量的渴求但要注意重叠过密会让训练集和验证集之间存在重叠片段造成验证指标虚高。二是 dtype 强制转为 float32TensorFlow 1.x 的 feed_dict 机制对 float64 支持不好常见症状是报类型不匹配提前转好能避开。标签直接用的列序号而不是 one-hot因为后面模型里会用 sparse softmax 交叉熵。2.2 特征维度选择时域切片直接进网络还是先做FFT很多新手拿到振动数据第一件事就是算均值、峰值、峭度然后喂给MLP。这种手工特征做法在传统机器学习里没错但深度学习方案里通常会走两条路直接喂原始时域波形或者喂频谱幅值。资源里的模型脚本同时支持两种输入ZCSJ.py里能看到它把时域帧做了一次 FFT 取幅值谱保留前 512 个频点。# ZCSJ.py 中频谱特征构建的简化版本 from scipy.fftpack import fft def build_spectrum_features(samples, sample_rate50000, max_freq_bins512): spectrum_features [] for frame in samples: win np.hanning(len(frame)) # 加汉宁窗抑制频谱泄漏 spectrum np.abs(fft(frame * win)) # 幅值谱 half spectrum[:len(spectrum)//2] # 单边谱实信号只需前半 spectrum_features.append(half[:max_freq_bins]) return np.array(spectrum_features, dtypenp.float32) X_spec build_spectrum_features(samples) print(频谱特征形状:, X_spec.shape)这里的 Hanning 窗和单边谱截断是两个容易被忽略的细节。原始帧加窗是为了避免帧边界突变造成的频谱泄漏虽然深度学习对微小泄漏不太敏感但加了之后频谱更干净。截断到 512 个频点是为了控制输入维度——如果直接把 1024 个时域点喂 CNN第一层卷积的感受野覆盖频段范围太广反而不利于区分集中在高频区的轴承故障特征。我实测下来的经验是频谱幅值输入 CNN 的组合收敛速度比纯时域输入快而且对噪声更鲁棒因为没有相位信息干扰模型只学“哪些频率成分在增强”。2.3 训练集与测试集划分时序数据不能随机打乱这是整个数据管道里最容易被坑的环节。轴承振动数据是典型的时间序列如果你的划分是train_test_split(X, y, test_size0.2, shuffleTrue)那么训练集和测试集里会出现同一段信号的前后半截测试准确率直接虚高到 99% 以上答辩时被老师一问“你的模型在真实新数据上表现如何”就露馅。正确做法是按时间顺序切分前 70% 工况数据训练后 30% 验证。# 按时间顺序切分避免数据泄漏 train_ratio 0.7 split_idx int(len(X_spec) * train_ratio) X_train, X_test X_spec[:split_idx], X_spec[split_idx:] y_train, y_test labels[:split_idx], labels[split_idx:] # 标准化参数只在训练集上拟合 mean, std X_train.mean(axis0), X_train.std(axis0) 1e-8 X_train (X_train - mean) / std X_test (X_test - mean) / std这两步写法上有讲究。第一split_idx是按样本序号硬切的不是随机抽样保证测试集在时间上完全晚于训练集模拟“用过去预测未来”的真实场景。第二标准化里的mean和std只用训练集计算测试集直接套用训练集的统计量——如果测试集单独计算自己的均值方差会引入微小的信息泄漏虽然影响不大但工程规范上不允许。加1e-8是防除零工业振动数据里有些频点可能全为 0不处理会直接出 NaN。3. 三种网络结构方案MLP、SAE、CNN、RNN 怎么选参数怎么定3.1 CNN 方案为什么一维卷积比全连接层更扛造资源包里的cnn_zhoucheng.py承担主线任务原理是把频谱特征当作一维图像用 Conv1D 提取局部频带特征。诊断任务里的故障特征往往对应特定频段的能量上升比如轴承外圈故障的特征频率约在 200Hz 左右及其谐波卷积核能自动学到这些频段的组合关系。网络是一种“卷积提特征、全连接做分类”的混合结构训练脚本里把这份逻辑做成可复用的模型函数。# cnn_zhoucheng.py 中网络结构的核心还原 import tensorflow as tf def build_cnn_model(input_dim, num_classes): inputs tf.keras.Input(shape(input_dim, 1)) x tf.keras.layers.Conv1D(filters64, kernel_size32, strides2, paddingsame, activationrelu)(inputs) x tf.keras.layers.MaxPooling1D(pool_size2)(x) x tf.keras.layers.Conv1D(filters128, kernel_size16, strides2, paddingsame, activationrelu)(x) x tf.keras.layers.GlobalAveragePooling1D()(x) # 全局池化替代Flatten x tf.keras.layers.Dense(64, activationrelu)(x) x tf.keras.layers.Dropout(0.5)(x) outputs tf.keras.layers.Dense(num_classes, activationsoftmax)(x) model tf.keras.Model(inputs, outputs) return model model build_cnn_model(input_dim512, num_classes4) model.compile(optimizeradam, losssparse_categorical_crossentropy, metrics[accuracy])几个参数是调过的kernel_size 用 32 和 16对应频域上“一次看 32/512 的频带范围”与轴承故障特征频率的带宽量级匹配strides2 是降采样让深层能看到更宽频段GlobalAveragePooling1D 替代 Flatten 的做法对故障诊断很关键——全连接层会把所有局部特征强行拉平参数量大且容易过拟合全局平均池化直接对每个特征图取均值模型参数少一个数量级泛化反而更好。Dropout 0.5 在最后一个全连接层前是防止模型死记训练集的频段组合模式。实际跑下来CNN 方案在频谱输入上的表现通常能到 98% 以上的测试准确率但前提是训练集和测试集按 2.3 节的方式严格切分。如果在这个前提下准确率掉到 90% 以下优先怀疑的是数据管道有泄漏或有样本错标而不是网络结构问题。3.2 SAE 自编码器无监督预训练的思路给你兜底资源包里同时给了SAE_keras2.py和StackAutoEncoder_tf.py说明作者刻意保留了传统深度学习的降维路线。栈式自编码器SAE的诊断逻辑是先用无监督方式从振动信号里压缩出紧凑特征再接分类层做监督训练。这种方式在标签量不足时特别有价值——轴承故障的数据标注成本极高很多时候只有几十个带标签样本但无标签振动数据管够。# SAE_keras2.py 降维训练流程简化还原 from keras.layers import Input, Dense from keras.models import Model # 编码器部分逐层降维512 - 256 - 128 - 64 input_signal Input(shape(512,)) encoded Dense(256, activationrelu)(input_signal) encoded Dense(128, activationrelu)(encoded) encoded Dense(64, activationrelu)(encoded) # 解码器部分镜像升维重构原始输入 decoded Dense(128, activationrelu)(encoded) decoded Dense(256, activationrelu)(decoded) decoded Dense(512, activationsigmoid)(decoded) autoencoder Model(input_signal, decoded) autoencoder.compile(optimizeradam, lossmse) # 第一步无监督重构训练 autoencoder.fit(X_train_unlabeled, X_train_unlabeled, epochs50, batch_size256) # 第二步截断解码器接分类层做监督微调 encoder Model(input_signal, encoded) # 把 encoder 的输出接到 Dense(4, softmax) 上再整体训练这个流程有一个很实用的战术价值当 CNN 在标签样本很少的数据上学不动时SAE 的逐层预训练能提供一个好的初始化点之后再用少量标签数据微调。解码器激活函数用 sigmoid 是因为输入做了标准化后取值在 0~1 附近sigmoid 的输出范围匹配重构误差的计算。MSE 损失对应的是逐像素重构误差——这里逐“频点”重构误差更准确。注意如果输入频谱有负值sigmoid 重构会有问题这时把输入归一化到 0~1或者把解码器激活换成 linear。3.3 RNN 方案用 LSTM 捕获时序依赖的另一种视角rnn_zhoucheng.py提供的 LSTM 方案很多人以为在振动诊断中不太合适但它在处理“变转速工况”时反而是优势。固定转速下频谱特征是稳定的CNN 足够应付但设备启动、停机过程中频率成分随时间漂移这时 LSTM 能跨时间步建模相邻帧之间的变化模式。资源里的做法是把连续若干帧的频谱或时域特征拼成一个序列LSTM 逐个时间步读入。# rnn_zhoucheng.py 中 LSTM 模型的序列输入构造 import numpy as np seq_len 10 # 每个样本包含10个连续帧模拟短暂时间窗 feature_dim 512 # 每帧的频谱维度 # 输入形状: (样本数, 时间步数, 特征维度) —— RNN 的标准三维输入 X_seq np.zeros((len(X_spec) - seq_len 1, seq_len, feature_dim)) y_seq labels[seq_len - 1:] # 标签取序列最后一帧的类别 for i in range(len(X_spec) - seq_len 1): X_seq[i] X_spec[i:i seq_len] # 模型定义 model tf.keras.Sequential([ tf.keras.layers.LSTM(64, return_sequencesFalse, input_shape(seq_len, feature_dim)), tf.keras.layers.Dropout(0.3), tf.keras.layers.Dense(32, activationrelu), tf.keras.layers.Dense(4, activationsoftmax) ])构造序列时的核心是X_seq[i] X_spec[i:iseq_len]这行代码把相邻帧叠成一个时间窗口窗口移动步长为 1 帧样本量只减少seq_len-1个数据利用率很高。LSTM 输出维度取了 64不是越大越好——轴承故障本质是周期性冲击时序依赖相对简单64 个隐藏单元足够捕获主要的帧间关联加到 128 以上容易过拟合且训练时间翻倍。return_sequencesFalse 表示只输出最后一个时间步的预测符合“用过去 10 帧预测当前状态”的诊断设定。实测中 RNN 的准确率通常略低于 CNN但优势是它天然支持在线诊断——你可以滑动窗口逐帧实时推理不需要像 CNN 那样等到一整段频谱积累完毕。4. 训练流程与模型再训练从 MNIST 样例代码到自定义数据集4.1 TensorFlow 训练脚本的标准骨架资源包里出现了一组 MNIST 相关文件mnist_train.py、mnist_eval.py、mnist_inference_conv.py这组代码不是陪衬它是整个训练流程的骨架原型inference 模块定义网络结构train 模块负责训练与保存 checkpointeval 模块加载模型做评估。这种三层分离的设计放到故障诊断中就是标准工程范式因为训练用的数据流和部署时要复用的模型推理逻辑是两码事。# mnist_train.py 的训练骨架还原为故障诊断场景 # 核心循环逻辑每训练一定轮次保存一次 checkpoint import tensorflow as tf import os checkpoint_dir ./ckpt if not os.path.exists(checkpoint_dir): os.makedirs(checkpoint_dir) model build_cnn_model(input_dim512, num_classes4) # 复用3.1节的建模函数 model.compile(optimizertf.keras.optimizers.Adam(learning_rate1e-3), losssparse_categorical_crossentropy, metrics[accuracy]) callbacks [ tf.keras.callbacks.ModelCheckpoint( filepathos.path.join(checkpoint_dir, bearing_model.ckpt), monitorval_accuracy, save_best_onlyTrue, modemax ), tf.keras.callbacks.ReduceLROnPlateau( monitorval_loss, factor0.5, patience5, min_lr1e-6 ) ] history model.fit( X_train, y_train, validation_data(X_test, y_test), epochs80, batch_size128, callbackscallbacks )ModelCheckpoint 里save_best_onlyTrue按验证准确率保存最优权重这是“后悔药”机制——训练 80 个 epoch 不代表第 80 轮的权重最好常见的现象是第 40 轮验证准确率最高后面开始过拟合。不加这个回调你最后用的模型可能比最佳权重差两个百分点。ReduceLROnPlateau 在验证损失连续 5 个 epoch 不下降时把学习率减半初始学习率 1e-3 在前 20 轮足够激进后期自动衰减到 1e-6 附近省去手动调学习率衰减的麻烦。4.2 换自己的数据再训练接口与输入格式约束资源被称为“完整可再训练”含义是你要换一套新的设备数据时不需要改网络结构只需要把数据脚本的输出对齐到统一格式。最省事的做法是构造一个 numpy 数组行是样本、列是特征维度然后单独给一个标签数组。只要特征维度和类别数对上模型就能直接接着训练。# 自定义数据接入的规范格式复现资源中的数据交换协议 def load_custom_data(data_path): 返回 (features, labels) 元组 features: shape(N, D) 的 float32 数组D 需与模型 input_dim 一致 labels: shape(N,) 的 int32 数组取值 0 ~ num_classes-1 data np.load(data_path) # 假设数据已存为 npz features data[features].astype(np.float32) labels data[labels].astype(np.int32) # 数据校验这两个断言能拦截90%的再训练报错 assert features.ndim 2, 特征必须是二维数组 assert features.shape[0] labels.shape[0], 特征与标签数量不匹配 return features, labels X_new, y_new load_custom_data(gearbox_data.npz)这里的两个断言是血泪经验常见的错误是把一维数组当作单个样本传进来导致 ndim1或者某个类别的样本数太少导致标签分布不均。另外类别数必须与模型的输出层神经元个数对齐。如果你的新数据有 5 类但模型输出层是 4训练会静默出错——loss 直接变成 NaN 或准确率恒定不动。4.3 超参数速查表抄作业前先抄这些值综合资源里多个脚本把主要超参数的推荐范围和调整逻辑整理成一张速查表方便不同数据量级时直接套用。超参数推荐初值调整方向学习率1e-3Adam数据量大且训练不稳时降到 3e-4Batch Size128显存不足减半训练震荡加倍Epochs60~80看验证损失曲线不硬守数字卷积核数量64 / 128 / 256按层递增数据量小则全部减半卷积核尺寸32 → 16 → 8特征频带窄时可减小到 16/8/4Dropout0.3 ~ 0.5测试与训练准确率差距大时上调样本帧长度1024 采样点采样率高时加长保证每个帧覆盖至少 3 个故障冲击周期判断超参数是否合理的快速方法是画训练曲线如果训练损失持续下降但验证损失在第 N 轮反弹就是过拟合优先加大 Dropout 或减小模型如果两者都在高位徘徊学习率可能过大导致震荡。曲线形状比最终准确率数字更能指导调参资源里的mnist_eval.py脚本里就有简单的准确率与损失输出逻辑可以照搬改造成曲线记录工具。5. 避坑与排查六个最容易翻车的技术细节5.1 Python 版本与依赖不匹配模型直接跑不起来现象运行cnn_zhoucheng.py时import tensorflow直接报错或者提示AttributeError: module tensorflow has no attribute placeholder。原因压缩包里有__pycache__下的.cpython-35.pyc和.cpython-36.pyc能看出代码最初是在 Python 3.5/3.6 环境跑的对应的 TensorFlow 是 1.x 版本。如果你的环境是 Python 3.8 加 TensorFlow 2.x旧代码的兼容性问题会全部爆发。解决建议单独建虚拟环境conda create -n tf1 python3.6然后pip install tensorflow1.15再把代码里的tf.keras调用替换为tf.keras1.15 已内置或者直接用 resources 里的 Keras 版本脚本尽量别混用。5.2 数据归一化把测试集统计量也算了进去现象测试集准确率高达 99.5%你自己都觉得假。原因在切分数据集之前先对整个X_spec做了标准化mean和std是全体数据的统计量测试集信息混入训练流程。解决回到 2.3 节的写法先split再normalize标准化参数只用训练集。判断方法很简单——把训练得到的均值和标准差打印出来和用全量数据算出的对比如果差异明显说明泄漏存在。5.3 每条样本的具体工况没对齐标签漂移现象训练损失正常下降但验证准确率只在 25% 左右徘徊四分类随机水平。原因滑窗切分时没有按工况分组不同故障类型的数据在原始文件里是分段的如果切分从文件头一路滑到文件尾中间的标签列号对应错了行。解决先用np.bincount(labels)检查每个类别的样本数再用plt.plot(samples[0])可视化看波形特征是否符合对应故障的典型形态。我习惯在标签数组里随机抽 20 个样本打印出来人工核对。5.4 LSTM 训练很慢GPU 利用率低现象nvidia-smi显示 GPU 占用率不到 20%。原因LSTM 的序列计算是逐步进行的seq_len10虽然不长但 batch 维度上并行度不高且特征维度 512 有大量矩阵运算在 CPU 与 GPU 间拷贝。解决在不改变模型逻辑的前提下先把X_seq的 dtype 检查一遍确保是 float32然后调大 batch_size 到 256 或 512让 GPU 的矩阵计算更饱和。如果还要更快可以把 Conv1D 加在 LSTM 之前做一次粗降维把特征维度压到 128 再进 LSTM。5.5 随机种子没固定结果无法复现现象同一份代码跑三次最终测试准确率分别是 97.2%、98.1%、96.8%。原因深度学习框架的权重初始化和数据打乱都有随机性没有固定种子时每次结果都不同。毕业设计答辩或论文实验里这种不确定性会让评审直接质疑你的实验严谨性。解决训练脚本开头设置三处随机种子——Python 内置random.seed(42)、NumPynp.random.seed(42)、TensorFlowtf.random.set_seed(42)。注意如果用了 GPU单机单卡时固定种子基本能复现多卡并行时结果仍会有小的抖动。5.6.pyc缓存文件与源码版本不一致现象改了.py文件后重跑行为还是跟没改一样。原因包里有__pycache__和.pyc文件残留Python 在某些情况下会优先加载旧的缓存字节码——尤其是文件时间戳异常时。解决跑之前先清理缓存find . -name *.pyc -delete或者rm -rf __pycache__。这是个小问题但极度迷惑人我一度以为模型有玄学排查半天才发现是缓存文件干的。6. 模型验证与扩展从固定测试集走向可靠的性能评估再挂接到预测性维护资源里的训练流程默认是用一次切分的测试集来评估这适合快速验证但要拿出去答辩会显得单薄。一个更扎实的做法是引入 K 折交叉验证尤其当数据量不大几千个样本时单次切分的结果方差很大。五折交叉验证下每折独立训练再取平均准确率比单次测试集数字更有说服力。实现上不需要该模型代码只需要在外面套一层循环。# 五折交叉验证的外层循环复用已有模型和预处理管道 from sklearn.model_selection import StratifiedKFold skf StratifiedKFold(n_splits5, shuffleTrue, random_state42) fold_scores [] for fold, (train_idx, val_idx) in enumerate(skf.split(X_spec, labels)): X_tr, X_val X_spec[train_idx], X_spec[val_idx] y_tr, y_val labels[train_idx], labels[val_idx] mean, std X_tr.mean(axis0), X_tr.std(axis0) 1e-8 X_tr (X_tr - mean) / std X_val (X_val - mean) / std model build_cnn_model(input_dim512, num_classes4) model.compile(optimizeradam, losssparse_categorical_crossentropy, metrics[accuracy]) model.fit(X_tr, y_tr, validation_data(X_val, y_val), epochs40, batch_size128, verbose0) _, acc model.evaluate(X_val, y_val, verbose0) fold_scores.append(acc) print(fFold {fold1}: {acc:.4f}) print(f平均准确率: {np.mean(fold_scores):.4f} ± {np.std(fold_scores):.4f})StratifiedKFold与普通 KFold 的区别是它保证每一折里各类别样本比例与整体一致对故障诊断这类类别不平衡的数据非常关键。每折重置模型对象而不是复用上一次训练的权重不然相当于拿着之前见过的数据继续训练评估结果就失效了。交叉验证后你得到的“97.5% ± 0.8%”比单次“97.8%”更能说明模型稳定性——这组数据本身漂移小如果不同折之间标准差超过 2%基本可以判断某些工况类别的样本量不够。评估指标上只看准确率在类别不平衡时不够。轴承故障数据里正常样本往往占多数故障样本少。这时候加一个混淆矩阵比盯 accuracy 数字有用得多——它能告诉你模型的误判发生在哪两类之间。外圈故障和内圈故障的特征频段相近误判是常态混淆矩阵里这两类互相串、而滚动体故障独立分得很清这就说明模型确实学到了物理特征而不是靠数据分布钻空子。更进一步这套模型天然适合扩展到预测性维护场景。CNN 或 LSTM 输出的软分类概率可以作为健康指标正常运行概率从 99% 持续下滑到 85%、再到 70%比“故障报警”的硬阈值提供了更长的预警窗口。一种轻量级做法是把每帧预测的概率保存成时间序列用 EWMA 指数移动平均平滑然后用滑窗检测下降趋势。资源里的cnn_zhoucheng.py模型脚本可以直接加载已保存的 checkpoint 做逐帧推理不需要重新训练。# 在线诊断逐帧滑动推理并输出概率序列 import tensorflow as tf model tf.keras.models.load_model(./ckpt/bearing_model.ckpt) smoothed_prob 1.0 # 初始视频率假设设备正常 for frame in sliding_window_generator(): # 帧生成器自行实现 prob_normal model.predict(frame.reshape(1, -1), verbose0)[0][0] smoothed_prob 0.9 * smoothed_prob 0.1 * prob_normal # EWMA系数取0.9 if smoothed_prob 0.75: print(预警健康指标持续下降建议检查轴承)EWMA 系数 0.9 意味着当前概率只占 10% 权重历史趋势占 90%能有效避免单帧偶发误判触发的假报警。这个扩展方向不要求改原始模型只加一层 LSTM 状态的封装工作量很小但给答辩或项目汇报带来的说服力提升非常明显——从“做了一个分类器”升级到“做了一套状态监测系统”。从那以后我每次复现这类资源都强制走一遍“清理缓存 → 固定随机种子 → 按时间序切分 → 交叉验证 → 检查混淆矩阵”五步流程这套习惯帮我筛掉了至少三个看似精度很高、实则数据泄漏的“纸面模型”。希望帮到你。本文还有配套的精品资源点击获取