案例使用的試驗(yàn)數(shù)據(jù)來源于常見的凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)中心，試驗(yàn)臺(tái)采集的振動(dòng)信號(hào)數(shù)據(jù)包括四種狀態(tài)，分別是健康狀態(tài)、內(nèi)圈故障、滾動(dòng)體故障、外圈故障。案例選擇驅(qū)動(dòng)端振動(dòng)傳感器采集的數(shù)據(jù)，采樣頻率為12000Hz，軸承信號(hào)為SKF6205。為簡(jiǎn)化試驗(yàn)，僅使用電動(dòng)機(jī)負(fù)荷為0的振動(dòng)信號(hào)，轉(zhuǎn)速為1797r/min。為便于對(duì)注意力的分布進(jìn)行解釋，案例應(yīng)用包絡(luò)譜作為模型的輸入。對(duì)于四種狀態(tài)的軸承數(shù)據(jù)，使用滑窗選取55段信號(hào)，每段信號(hào)包含12000個(gè)點(diǎn)，也就是1秒的數(shù)據(jù)。隨后計(jì)算段信號(hào)的包絡(luò)譜，并把0到2000Hz的頻率幅值作為樣本輸入到模型中進(jìn)行訓(xùn)練，即輸入維度為1×2000。80%的樣本被用作訓(xùn)練集，其余樣本為測(cè)試集。案例使用的模型是基礎(chǔ)的Transformer網(wǎng)絡(luò)，其內(nèi)部的自注意力機(jī)制針對(duì)振動(dòng)信號(hào)具備良好的可解釋。

由于該數(shù)據(jù)集的四種故障是極易區(qū)分的，所以模型在測(cè)試集上的準(zhǔn)確率為100%。本案例將注意力權(quán)重映射到輸入振動(dòng)信號(hào)生成熱圖，解釋模型的決策依據(jù)。根據(jù)軸承關(guān)鍵頻率的計(jì)算公式，案例中的轉(zhuǎn)頻、內(nèi)圈故障頻率、外圈故障頻率和滾動(dòng)體故障頻率大致分別為30Hz、162Hz、108Hz和141Hz。

下圖為四種狀態(tài)的注意力熱圖，最右側(cè)是注意力權(quán)重的顏色條。在每張圖中，每段振動(dòng)信號(hào)的顏色由注意力權(quán)重值決定。權(quán)重越高即對(duì)應(yīng)振動(dòng)信號(hào)顏色越深，表示越受模型關(guān)注。為便于展示，橫坐標(biāo)設(shè)置為0到1000Hz，振動(dòng)信號(hào)的幅值和注意力權(quán)重均被歸一化在0到1范圍內(nèi)。對(duì)于正常信號(hào)，圖中標(biāo)記了旋轉(zhuǎn)頻率及其倍頻的位置，而對(duì)于故障信號(hào)，圖中標(biāo)記相應(yīng)的故障頻率及其倍頻的位置。

                   外圈故障

可以發(fā)現(xiàn)，對(duì)于正常狀態(tài)的軸承，包絡(luò)譜中僅有明顯的轉(zhuǎn)頻，其無法作為區(qū)別四種故障類別的鑒別特征，因此模型選關(guān)注一些高頻的噪聲段。而對(duì)于故障狀態(tài)的軸承，高注意力權(quán)重大多集中在能反映故障類型的頻帶附近。至于滾動(dòng)體故障，由于包絡(luò)譜相應(yīng)的故障頻率不過明顯，模型不能完全關(guān)注相應(yīng)頻帶，但仍然能關(guān)注附近的頻帶。綜合來看，自注意力機(jī)制能夠輔助模型學(xué)習(xí)可鑒別的故障特征，大致符合人對(duì)軸承故障狀態(tài)的判斷規(guī)律，增強(qiáng)了模型的可解釋性。

本文轉(zhuǎn)載自??高斯的手稿??