第一次把WMSST和MCNN-BiGRU这组搭配搬进故障诊断流程时，我其实是有点忐忑的。信号处理领域的老方法很多，深度学习的方案也不少，但能把时频细节、多尺度空间特征和时序依赖同时吃进去的，确实不多。跑通程序、看到测试集准确率稳定在98%以上时，我知道这个方向选对了。

这个项目核心就一句话：先用WMSST把一维振动信号变成高分辨率时频图，再用MCNN提取不同尺度的空间特征，最后用BiGRU沿时间轴建模，完成旋转机械的故障分类。整条链路用Matlab实现，从数据读取到模型训练、评估，都非常顺。适合正在做故障诊断、设备健康监测，或者刚入坑深度学习但想知道“怎么把CNN和RNN串起来用”的同学。

1. 项目整体设计与思路拆解

1.1 故障诊断的难点和传统方法的局限

旋转机械（电机、轴承、齿轮箱）的振动信号，绝大多数是非平稳、非线性的。设备一旦出现局部损伤，比如轴承外圈剥落、齿轮根部裂纹，产生的冲击信号是瞬态的，持续时间极短，而且能量会被背景噪声盖住。早期故障特征非常微弱，用普通幅值谱看，可能什么都看不出来。

传统时频分析方法各有各的毛病。短时傅里叶变换窗口固定，时间分辨率和频率分辨率互相牵制，想同时看清冲击时刻和频率成分很难。小波变换虽然能自适应多尺度，但时频图上的能量常常“糊成一团”，频率带之间的边界不清晰。希尔伯特-黄变换对模态分解质量依赖很强，分解不好就全乱了。这些方法不是不能用，而是对“瞬时频率变化”和“局部冲击特征”的刻画不够精准。

深度学习介入之后，很多人直接拿原始时域信号丢给CNN或RNN。CNN擅长提取局部特征，但对信号的时间顺序不敏感；RNN（比如LSTM、GRU）擅长处理序列，但如果直接喂原始波形，网络很难自动注意到故障冲击对应的频率位置。所以问题就变成了：怎么把“时频表示”做得足够好，同时让模型既能看空间纹理，又能看时间演化。WMSST+MCNN-BiGRU就是冲着这两个问题去的。

1.2 为什么选WMSST+MCNN-BiGRU这个组合

先说WMSST。传统的同步压缩变换（SST）本质是把小波变换或短时傅里叶变换的系数沿频率方向重新排列，让能量更集中。但单尺度的同步压缩在遇到频率成分复杂、噪声较大的信号时，容易出现能量泄露和模态混叠。WMSST的做法是，在多个尺度上分别做同步压缩，然后按照权重融合成一个时频矩阵。权重怎么定？根据每个尺度下能量分布的集中程度和噪声水平自适应调整。这个思路和“多个专家投票”有点像：个别尺度判断不准没关系，加权之后整体结果更稳。

MCNN负责“空间纹理提取”。时频图本质上是一张二维图像：横轴是时间，纵轴是频率，像素值代表能量强度。故障冲击会在时频图上留下“条纹”或“亮点”。用不同卷积核尺寸（比如3×3、5×5、7×7）并列去卷积，相当于同时用不同大小的放大镜观察，小卷积核抠细节，大卷积核看整体，最后把特征拼起来。多尺度特征能更好覆盖不同频段的故障模式，比单一卷积核的泛化能力明显更强。

BiGRU负责“时间演化”。故障发生时，振动信号在时间维度上有连续的过渡特征，比如冲击的周期性。BiGRU从正向和反向两个方向扫描特征序列，相当于既看前文又看后文，对周期性和趋势性信息的捕捉比单向GRU更完整。这个模块把MCNN输出的空间特征按时间顺序组织起来，最终汇总为分类判断。

1.3 整体流程与模型结构

整个流程可以拆成五步：

1. 原始振动信号采集与分帧：按照固定窗口长度截取样本；
2. 对每个样本做WMSST，得到时频矩阵；
3. 统一时频图尺寸并归一化，作为模型输入；
4. MCNN多尺度卷积提取空间特征，拼接后送入BiGRU；
5. 全连接层加Softmax输出故障类别，评估指标用准确率、F1-score和混淆矩阵。

模型结构我画了个简化描述：输入是128×128×1的时频图，经过三个并行的频率维卷积分支（卷积核高度分别为3、5、7），每个分支输出16个通道，然后通道拼接成48个通道，再用一个1×1卷积融合通道信息。融合后的特征图保持时间维度不塌缩，按时间步切分成特征序列，送入包含128个隐藏单元的BiGRU。BiGRU输出的最后时刻隐藏状态，接一个4分类全连接层和Softmax。

2. 核心技术点拆解：时频特征、多尺度卷积、双向时序建模

2.1 WMSST加权多尺度同步压缩变换的原理

WMSST，这里指的是加权的多尺度同步压缩变换（Weighted Multi-Scale Synchrosqueezed Transform）。要理解它，先要清楚同步压缩的核心思路。

对连续小波变换，每个尺度对应一个频率带，小波系数的能量会分布在某个“脊线”附近。同步压缩不是把系数简单搬回原来的频率位置，而是先计算瞬时频率，再把能量重新分配到最接近真实频率的位置。瞬时频率可以通过对时间变量求偏导估计出来，写成通俗点就是：每个时间点、每个尺度上，系数相位随时间变化的速度，就是该尺度分量在该时刻的瞬时频率。

WMSST的关键在“多尺度”和“加权”两点。多尺度是指不只做一次小波变换，而是在多个不同尺度范围内分别生成时频系数；加权是指在融合时不是平均取值，而是对每个尺度计算一个权重。权重常用能量集中度指标衡量：哪个尺度下的时频能量更集中、背景噪声更少，权重就更大。这样做比单尺度同步压缩更抗噪，在低速重载工况下特别有用。

在Matlab里，我用的是小波工具箱配合自写压缩逻辑。核心过程是：

• 对信号做尺度连续的小波变换，小波基选择复值的Morlet小波，因为复值小波能提供相位信息，瞬时频率估计更准确；
• 估计每个尺度的瞬时频率；
• 将能量重新分配到对应的频率槽中；
• 对多个尺度做加权融合，得到最终时频矩阵。

实际使用中，Morlet小波的带宽参数需要根据信号主频段调整。带宽参数太小时，频率分辨率变差；太大时，时间分辨率变差。经验值是先做几次试算，用一组已知故障样本看时频图中冲击条纹是否清晰，再固定参数。

2.2 MCNN多尺度卷积怎么设计才合理

MCNN（Multi-scale CNN）不是某个固定网络，而是一种结构思路。最常用的做法是构造多个并行的卷积分支，每个分支的卷积核大小不同。我在项目里用了三个分支，但卷积核的宽度都固定为1，只改变高度（频率维上的覆盖范围），分别取3、5、7。

为什么要这样设计？因为时频图的纵轴是频率，横轴是时间。如果卷积核同时在频率和时间两个方向滑动，会把“相邻时刻”也混进来，这对送入BiGRU的序列建模是有干扰的。BiGRU本来就负责处理时间轴，所以MCNN这里只做“同一时刻内、多个相邻频率带”的特征提取即可。卷积核高度为3，表示看当前频率点上下各一个格子的能量；高度为7，表示看更宽的一段频率范围。不同分支相当于用不同“频率带宽”的窗口去观察同一时刻的频谱结构。

每个分支内部都是“卷积+批归一化+ReLU”的组合。批归一化放在卷积和激活函数之间，能让每层输入的分布更稳定，收敛更快。三个分支输出的通道数都设为16，拼接后得到48个通道，再用一个1×1卷积融合不同尺度的信息，把通道数降到32，减少后续计算量。1×1卷积在这里的作用是跨通道线性组合，相当于让网络自己决定每个尺度的特征该占多少权重。

2.3 BiGRU在故障诊断中承担什么角色

BiGRU就是双向门控循环单元。GRU相比LSTM参数少、收敛快，在样本量不算很大的故障诊断场景里更实用。双向的含义是：序列按正常时间顺序喂一个GRU，同时按逆序再喂一个GRU，最后把两个方向对应的隐状态拼接起来。

故障信号中存在两类时序信息。一类是故障冲击的周期性，比如滚动体损伤会在每个旋转周期内撞击某一点，反映在时频图上就是相同位置反复出现的短促亮点。另一类是工况的渐变，例如转速上升过程中故障特征频率随转速升高而移动，这是一个连续演变的过程。单向GRU只能从前往后看，对周期性信息的利用不够充分。BiGRU相当于同时拿到“过去”和“未来”的上下文，每个时刻的输出都综合了两个方向的信息，判断更稳。

在项目里，我把MCNN输出的特征图按时间轴切分成一组特征序列：每个时间步对应一个特征向量。这些特征向量在BiGRU中被逐个读取，最终取最后一个时间步的隐藏状态送到分类器。如果窗口内故障冲击不止一次，也可以把所有时间步的隐状态做平均池化，效果往往更好。我在实验里试过，取“最后时刻”和“平均池化”差距不大，但平均池化在噪声大时稍稳一些。

2.4 特征融合与模型输入输出设计

特征融合的关键在于保持时间维对齐。MCNN各分支并行卷积时，因为卷积核高度不同，需要设置相应的Padding，保证输出尺寸一致。我用的是“Same”填充，高度方向的Padding分别为1、2、3，这样三个分支输出的时频图高度都不变。时间方向卷积核宽度为1，不改变宽度。所以拼接层的输入尺寸完全一致，可以做通道维拼接。

输入到BiGRU之前，需要把“[频率维度 × 时间步 × 通道数]”的特征图转换成“[时间步 × 特征维度]”的序列格式。这个转换看似简单，但在Matlab的层图网络里是个常见的坑。后面我会专门讲实现方法。输出端用的是带Softmax的分类层，类别数根据数据集设定，我这个实验是4类。如果要做故障程度诊断，比如“轻微磨损/中度磨损/严重磨损”，类别数相应调整即可。

3. Matlab实现全流程与代码示例

3.1 数据准备与训练集划分

我用的是公开的轴承振动数据集，采样频率12kHz，包含正常、内圈故障、外圈故障、滚动体故障四类，每类又分不同损伤程度。拿到数据后第一步不是急着做时频变换，而是先把数据集划分想清楚。

这里必须提醒一个关键点：故障诊断里最隐蔽的错误是数据泄漏。如果直接对整个连续信号做随机划分，训练集和验证集里大概率包含同一段信号的相邻片段，两个集合高度相似，模型学到的是“记忆片段”而不是“故障模式”，验证准确率会虚高到99%以上。正确做法是按不同转速、不同载荷段来划分，保证训练和验证数据来自完全不同的工况片段。

样本构造用滑动窗口：窗口长度1024个点，步长512。每个窗口作为一个独立样本。为什么选1024？因为12kHz采样率下，常见轴承故障特征频率在几百赫兹到几千赫兹之间，1024个点大约能覆盖0.085秒，足够包含一个旋转周期的冲击序列，同时不引入过多非平稳成分。做WMSST之后再归一化到0到1之间，训练集大约4000个样本，测试集1000个左右。对深度模型来说不算大，所以后面正则化一定要跟上。

3.2 WMSST变换的实现步骤

我不会在这里贴完整的几百行代码，那会让人失去阅读兴趣。我把自己实际用的核心框架简化一下，你可以照着补全。

function tfmap = wmsst_transform(x, fs) % x: 输入振动信号，1x1024 % fs: 采样频率，12000 % 返回：128x128的时频矩阵 % 1. 连续小波变换 scales = 2:0.1:128; wt = cwtft({x, 1/fs}, 'wavelet', 'morl', 'scales', scales); W = wt.cfs; freqs = wt.frequencies; % 2. 对每个尺度、每个时间点估计瞬时频率 phase = angle(W); dphase = diff(phase, 1, 2); inst_freq = zeros(size(W)); inst_freq(:, 1:end-1) = dphase / (2 * pi * (1/fs)); inst_freq(:, end) = inst_freq(:, end-1); % 3. 同步压缩：将能量按瞬时频率重新分配 % 新建一个频率槽矩阵，槽数由目标分辨率决定 nbins = 128; tfmap = zeros(nbins, size(W, 2)); fmin = min(freqs); fmax = max(freqs); fbin_edges = linspace(fmin, fmax, nbins + 1); for b = 1:size(W, 2) for a = 1:size(W, 1) fk = inst_freq(a, b); if fk > fmin && fk < fmax idx = find(fbin_edges <= fk, 1, 'last'); tfmap(idx, b) = tfmap(idx, b) + abs(W(a, b)) * scales(a)^(-1.5); end end end % 4. 多尺度加权融合（示意） % 实际代码会对多个尺度区间分别做同步压缩，再按能量集中度加权 weight = ones(size(tfmap)); % 这里简化，生产中需要计算 tfmap = tfmap .* weight; % 5. 对数压缩，增强弱故障特征 tfmap = log(1 + abs(tfmap)); % 6. 缩放到统一尺寸 tfmap = imresize(tfmap, [128, 128]); end

这段代码里最花时间的部分是双循环。如果样本有几万个，建议用向量化或MEX加速。另一个工程建议是：所有样本的WMSST结果一次性计算完，保存成.mat文件，训练时直接load，不要再重复计算。我在第一次跑实验时没存预处理结果，每次训练前重新算时频图，白白等了一个多小时。

3.3 MCNN-BiGRU模型搭建（layerGraph）

Matlab的Deep Learning Toolbox支持用layerGraph搭建多分支结构。我先搭基础层，再把分支接进去。下面是我实际用的简化版本，关键是卷积核高度不同、宽度保持1。

lgraph = layerGraph(); % 输入层：128x128的单通道时频图 inputLayer = imageInputLayer([128 128 1], 'Name', 'input'); lgraph = addLayers(lgraph, inputLayer); % 分支1：3个频率格宽度的卷积 branch1 = [ convolution2dLayer([3 1], 16, 'Padding', [1 0], 'Name', 'conv_k3') batchNormalizationLayer('Name', 'bn_k3') reluLayer('Name', 'relu_k3')]; lgraph = addLayers(lgraph, branch1); lgraph = connectLayers(lgraph, 'input', 'conv_k3'); % 分支2：5个频率格宽度的卷积 branch2 = [ convolution2dLayer([5 1], 16, 'Padding', [2 0], 'Name', 'conv_k5') batchNormalizationLayer('Name', 'bn_k5') reluLayer('Name', 'relu_k5')]; lgraph = addLayers(lgraph, branch2); lgraph = connectLayers(lgraph, 'input', 'conv_k5'); % 分支3：7个频率格宽度的卷积 branch3 = [ convolution2dLayer([7 1], 16, 'Padding', [3 0], 'Name', 'conv_k7') batchNormalizationLayer('Name', 'bn_k7') reluLayer('Name', 'relu_k7')]; lgraph = addLayers(lgraph, branch3); lgraph = connectLayers(lgraph, 'input', 'conv_k7'); % 通道拼接 concatLayer = depthConcatenationLayer(3, 'Name', 'concat'); lgraph = addLayers(lgraph, concatLayer); lgraph = connectLayers(lgraph, 'relu_k3', 'concat/in1'); lgraph = connectLayers(lgraph, 'relu_k5', 'concat/in2'); lgraph = connectLayers(lgraph, 'relu_k7', 'concat/in3'); % 1x1卷积融合不同尺度特征 fuseLayer = [ convolution2dLayer(1, 32, 'Name', 'conv_fuse') batchNormalizationLayer('Name', 'bn_fuse') reluLayer('Name', 'relu_fuse')]; lgraph = addLayers(lgraph, fuseLayer); lgraph = connectLayers(lgraph, 'concat', 'conv_fuse');

现在到了最常见的问题：怎么把卷积输出的图像特征转成BiGRU能吃的序列特征。

Matlab自带的bilstmLayer要求输入是序列格式，也就是“特征维度×时间步”。我的做法是写一个自定义层，把四维特征图[H W C N]重新排列成[H*C W N]，也就是把频率维和通道维压缩成特征维，时间维保持不变。自定义层的核心逻辑其实很简单，就是reshape和permute。这里不展开全部类定义，核心代码如下：

function Z = predict(layer, X) % X: [H W C N] [H, W, C, N] = size(X); % 把 H 和 C 合并，保留 W 作为时间步 Z = reshape(X, [H * C, W, N]); end

自定义层通过addLayers加进网络图，然后接上BiGRU：

bgruLayer = bilstmLayer(128, 'OutputMode', 'last', 'Name', 'bgru'); fcLayer = fullyConnectedLayer(4, 'Name', 'fc'); softmaxLayer = softmaxLayer('Name', 'softmax'); classLayer = classificationLayer('Name', 'output'); lgraph = addLayers(lgraph, bgruLayer); lgraph = connectLayers(lgraph, 'relu_fuse', 'bgru'); lgraph = addLayers(lgraph, fcLayer); lgraph = connectLayers(lgraph, 'bgru', 'fc'); lgraph = addLayers(lgraph, softmaxLayer); lgraph = connectLayers(lgraph, 'fc', 'softmax'); lgraph = addLayers(lgraph, classLayer); lgraph = connectLayers(lgraph, 'softmax', 'output');

这里OutputMode设为'last'，只取最后一个时间步的隐藏状态。如果你想用平均池化，可以在自定义层里先做全局平均，再送全连接。两种方式我都试过，差别不大，但'last'实现更简单，我就沿用了。

3.4 训练设置与调参记录

训练选项我一般这样设置：

options = trainingOptions('adam', ... 'InitialLearnRate', 1e-3, ... 'LearnRateSchedule', 'piecewise', ... 'LearnRateDropPeriod', 20, ... 'LearnRateDropFactor', 0.5, ... 'MaxEpochs', 80, ... 'MiniBatchSize', 32, ... 'ValidationFrequency', 50, ... 'ValidationData', valSet, ... 'L2Regularization', 1e-4, ... 'Plots', 'training-progress', ... 'Shuffle', 'every-epoch');

学习率1e-3起步，每20轮衰减一半。为什么用这个策略？Adam优化器本身对学习率不太敏感，但1e-3是训练CNN的常见起点。前面20轮让模型快速找到一个靠谱的区域，后面衰减到小范围精调，避免loss在最优值附近震荡。Batch size 32在内存和收敛速度之间比较平衡。

我实测下来的结果是：训练到40轮左右验证准确率突破95%，到70轮稳定在98%以上。整个训练在单张消费级显卡上约15分钟，放在CPU上可能要一两个小时。如果你看到loss曲线在20轮之后仍然剧烈震荡，大概率是学习率过大或者样本批次差异太大，先把学习率降到5e-4试试。

4. 常见问题速查与避坑实录

4.1 时频图质量差导致分类性能上不去

典型表现是训练准确率一直徘徊在70%以下。先别急着调网络，回头检查WMSST输出。随便挑几个样本看时频图，如果能量一片模糊，甚至看不出冲击条纹，说明尺度范围没选对。尺度上限要与采样频率匹配，比如12kHz采样下，关注频段在50Hz到5kHz之间，尺度范围可以用经验公式估算：最小尺度对应奈奎斯特频率，最大尺度对应最低关注频率。

再检查归一化方式。每张时频图按样本自身最大值归一化，还是按整个数据集统一归一化？我建议按整个数据集95%分位数来归一化，保留类间能量差异。如果每个样本自己归一化，会丢失“这个样本整体能量弱于另一个样本”的信息，而能量大小本身也是一种故障特征。这个小细节经常导致准确率差几个点。

我给自己写过一张速查表，现在也贴出来：

4.2 训练震荡、不收敛怎么排查

训练loss不下降甚至上升，先看学习率。学习率太大是最常见的原因，把初始学习率降到5e-4，观察前10轮是否稳定下降。如果还不降，检查标签是否从1开始，Matlab的classificationLayer要求分类标签是正整数，且不能包含0。

还有一个隐蔽问题：输入时频图尺寸不一致。Matlab的trainNetwork要求所有样本尺寸一致，如果你的WMSST输出矩阵因为信号长度不同而变化，训练会直接报错。但如果你用“预分配矩阵”的方式强行统一尺寸，边界填充值可能不对，模型会学到奇怪的边界效应。我建议打印每一批输入的size，确认都是128×128×1×32后再训练。

如果loss曲线是“下降-反弹-下降-反弹”的锯齿状，可能是MiniBatchSize太小，梯度估计噪声太大。不要低于16，一般32就够了。另外，把Shuffle设为every-epoch，每个epoch都重新打乱样本顺序，能让训练曲线更平滑。

4.3 过拟合与“虚假高准确率”问题

样本量不大时过拟合非常常见。训练准确率99%，验证准确率92%，差距超过5个百分点，基本可以断定过拟合。我的三个建议：

• 在BiGRU输出之后、全连接层之前加一个dropoutLayer(0.5)，对抑制过拟合立竿见影。
• 对时频图做数据增强：水平小幅度平移、叠加微小高斯噪声、频率轴做轻微扰动。增强时要小心，不要破坏时频图的物理意义，比如时间平移幅度不要超过一个冲击周期。
• 使用早停机制，trainingOptions里有ValidationPatience，连续若干轮验证loss不降就停止训练，避免最后一轮过拟合。

不要过度增加BiGRU隐藏单元数量。128个隐藏单元对这个任务已经足够，堆到256以上在小数据集上几乎必然过拟合。MCNN分支通道数同理，每分支16通道已经能提取足够特征。

4.4 内存不足与训练时间过长

时频图如果全部保存成高分辨率单精度矩阵，几千个样本可能占好几个GB。我的做法是预处理时直接缩放到128×128，不要贪高分辨率。更高分辨率对最终准确率提升很小，但计算代价成倍增加，完全不划算。

训练太慢的另一个原因是每个epoch都在重复读取数据。把预处理后的时频图保存成datastore或直接拼成一个大矩阵，训练前一次性load进内存。如果样本量超大，用tall数组或者分批次读取的办法。实测下来，用matfile分批读取比直接load整个文件更省内存，速度也不差。

5. 实操经验与进一步扩展

5.1 让模型更稳的两个小技巧

我在这个项目里踩过最大的坑就是数据划分。一开始用简单随机划分，准确率直接飙到99.8%，我一度以为模型无敌了。换到跨工况验证就跌到95%以下，这才意识到训练集和验证集存在数据泄漏。后来我固定了随机种子，并按不同工况段来划分数据，才得到可信的结果。所以大家做故障诊断，看到超高准确率先别兴奋，先想想数据划分是否严谨。

第二个技巧是使用类别权重。如果数据集中正常样本占多数，模型会倾向于把所有样本都判成正常，F1-score很难看。我通过给少数类加更大的损失权重来解决，在trainingOptions里可以设置ClassWeights，或者手动构造加权交叉熵损失。调整之后，每一类的召回率都更均衡，整体准确率不降，模型的可信度反而更高。

5.2 扩展到其他场景的思路

WMSST+MCNN-BiGRU并不局限在轴承故障上。我后来把它用到齿轮箱、电机电流信号以及一些工业设备的状态监测中，流程基本一样，只需要重新调整尺度范围和时频图尺寸。如果设备转速变化范围大，可以考虑先做阶比跟踪，把信号从等时间采样变成等角度采样，再做WMSST，效果会好很多。

想进一步提升效果，可以在MCNN分支中引入注意力机制，比如SE模块，让网络自动关注更有判别力的频率通道。或者在BiGRU后面再接一个自注意力层，只关注和故障冲击强相关的关键时间步。这些改动在Matlab里实现都不难，用attentionLayer或者自定义层都能做。

如果数据量足够大，还可以考虑把WMSST变成可微分的时频层，把信号到时频图的变换也并入网络，实现端到端训练。不过从工程角度看，现在的“预处理+训练”两步式流程更可靠，出问题也好定位，调试起来方便得多。

最后再分享一点个人体会。做故障诊断研究，模型结构重要，但实验设计的严谨性更重要。我自己被“虚假高准确率”坑过不止一次，后来养成了固定随机种子、跨工况验证、每次训练完都看混淆矩阵的习惯。这套WMSST+MCNN-BiGRU方案，我在多个数据集上复现过，只要预处理和超参数按上面的方式来，结果都很稳定。希望这篇记录能让你少走一些弯路，跑通之后记得回来聊聊你的准确率。