做滚动轴承故障诊断做到第三年，我踩过最痛的一个坑，是把模型复杂度和诊断准确率划了等号。后来把精力放回信号处理端，用同步挤压时频能量谱（WSET）替代普普通通的连续小波变换，再把二维时频图直接喂给CNN，反而在公开的CWRU滚动轴承数据上稳定跑出高准确率。这篇文章就把整套流程摊开讲：数据读取、WSET时频图生成、CNN搭建训练、可视化分析，全部在Matlab环境里落地。适合有信号处理基础、但不太熟悉深度学习工程落地的机械专业学生，也适合想用公开数据集快速验证新想法的算法工程师。你会看到每个关键步骤我为什么这么选，以及实际跑实验时容易翻车的几个地方。

1. 为什么用WSET-CNN而不是直接堆网络

先说结论：滚动轴承故障诊断这个任务，特征提取端往往比网络结构更值得花时间。很多论文把网络做得很深，但输入还停留在原始波形或者简单频谱。不是不能学，问题是原始振动信号里背景噪声、转频谐波和随机冲击混在一起，卷积神经网络虽然能自动提取特征，却不会自动替你完成“分离调制分量”这种信号处理工作。所以整个思路的核心，是把物理信息压缩到一张干净的二维时频能量谱里，再让CNN去分类。

1.1 时频分析：滚动轴承故障信号绕不开的表达方式

轴承故障本质上是周期性冲击。内圈、外圈、滚动体每通过损伤位置一次，就会激起一次瞬态冲击，并在结构固有频率附近激起谐振。这类信号最典型的特征是“非平稳”：冲击的位置、幅值随时间变化，而且淹没在背景噪声里。

时域波形只能看到随机起伏的毛刺，不太容易直接区分故障位置。FFT频谱只能给出全局平均，根本看不出冲击发生在什么时候。早期工程上常用包络谱，通过带通滤波+希尔伯特解调把冲击信号提取出来，再在频谱里找故障特征频率。这个方法很有效，但非常依赖人工经验：频带选哪里、边带怎么判，不同人做出来的结果可能不一样。

时频分析解决了这个问题。它同时保留时间和频率信息，把“什么时候激起了什么频带的振动”画在一张二维图上。这一下就直观多了，从二维图上能明显看到周期性冲击的分布形态，这也是后来深度学习诊断模型普遍选择时频图作为输入的原因。

1.2 同步挤压变换：把模糊的CWT谱图“对焦”

连续小波变换（CWT）已经能做时频分析，但它有一个众所周知的毛病：受海森堡不确定性限制，能量会沿着频率方向扩散。就是谱图上本来应该是一条细线的地方，实际画出来是一小片模糊带。肉眼看着还行，但卷积神经网络在提取特征时，模糊的带状区域会掩盖不同故障类别之间的细微差异，分类边界就不容易学出来。

同步挤压变换（Synchrosqueezing Transform）做的事情，可以理解成给CWT谱图“对焦”。它利用小波系数的局部相位信息，把扩散出去的能量重新分配，搬运到真正的瞬时频率曲线附近。效果就是时频图上的能量团变得更集中、边界更锐利。对一个轴承振动信号来说，周期冲击对应的时频脊线会非常清晰，转频分量和谐波成分也分得比较开。

在Matlab里这一步实现成本极低，直接调用wsst函数即可。把输出系数取模平方后，就得到了同步挤压时频能量谱，我把它记为WSET：Wavelet-based Synchrosqueezing Energy Time-frequency。后面CNN吃的就是这张能量谱图，而不是原始的CWT系数。

1.3 为什么特征提取端要选CNN

时频图本质上是一张图像，CNN天生就是干这个的。卷积核在局部邻域上提取纹理方向、能量团形状、周期性条带结构，不需要人为指定“关注哪个频带”；一层卷积学冲击条带的方向，两层卷积学不同故障模式之间的组合关系，分类能力是自动涌现的。

有人会问，LSTM或者Transformer序列模型行不行？时频图里频率轴和时间轴都有明确物理含义，序列模型在单张二维图上天然吃亏，你总得先手动决定沿哪个轴做序列化，信息必然被截断。手工特征（均值、峰值因子、峭度、包络谱峰值）也很有用，但面对不同损伤位置、不同负载工况的组合变化，固定特征模板很容易漏掉关键差异。CNN方案的好处是，只要WSET图的质量稳定，模型可以端到端训练，而且Matlab里的Deep Learning Toolbox把预处理、训练、可视化串成了一条完整工具链，做验证实验非常顺手。

2. CWRU公开轴承数据：读取、分段与样本划分

2.1 数据集结构与常用工况选择

CWRU公开轴承数据集是故障诊断领域最常用的基准数据之一，很多人叫它CWRU轴承数据。它提供驱动端和风扇端的加速度计振动信号，采样率常见12kHz和48kHz两档，健康状态包括正常、内圈故障、外圈故障、滚动体故障，故障损伤尺寸从0.007英寸到0.021英寸不等，并对应了0、1、2、3 HP四挡负载工况。

做四分类实验时，常规做法是把所有内圈故障样本统一划为IR类别，外圈故障划为OR，滚动体故障划为B，正常样本划为N。不管0.007英寸还是0.021英寸损伤，都当作对应故障类型。如果想做细粒度诊断，也可以把损伤尺寸单独变成标签，但分类难度会高不少，本文按四分类来走。

我强烈建议优先用驱动端加速度计、12kHz采样率的数据。每段信号长度足够长，样本截取方便，而且12kHz数据计算WSET时不会因为采样点太多导致内存紧张。48kHz数据可以作为算法稳定性验证，但日常迭代用它明显更慢。

下面是常用数据说明速查表：

2.2 Matlab读取与滑窗截取

数据下载下来是多个.mat文件，文件名按工况编号排列。先用load读入，变量里一般包含DE、FE和BA等通道。以驱动端数据为例，取DE时间序列即可。

Matlab读入代码大概是这样的：

% 以某一段驱动端数据为例 data = load('xxx.mat'); fs = 12000; signal = data.DE; % 时间序列 signal = signal(:); % 统一成列向量

原始信号长度动不动几万点，不可能整段喂给网络。需要滑窗截取，把长信号切成若干固定长度样本。推荐窗长1024点或2048点，原因后面3.1节展开。我通常用一个简单的函数完成截取，直接输出Matlab训练需要的四维数组：

function samples = extractWindows(x, winLen, step) x = x(:)'; N = floor((length(x) - winLen) / step) + 1; samples = zeros(winLen, 1, 1, N); for k = 1:N idx = (k - 1) * step + 1; samples(:, 1, 1, k) = x(idx : idx + winLen - 1); end end

输出维度是[winLen, 1, 1, N]，分别对应高度、宽度、通道数、样本数，这样可以直接喂给trainNetwork，不用额外转格式。每次调用函数前，把原始信号里跳变的头尾去掉，避免引入不自然的高幅值脉冲。

2.3 数据划分与标签设计的核心原则

这是整个流程里最容易被忽略、也最影响真实结果的一步。很多人直接把同一条长信号的前面部分做训练、后面部分做验证，准确率看起来高得离谱，但换到新工况数据就露馅。错在信息泄露：相邻滑窗之间高度重叠，模型相当于已经见过验证集样本的内容。

我实测下来最稳妥的做法是“按信号文件划分”。每个工况文件内截取出来的窗口，要么全部进训练集，要么全部进验证集或测试集，绝不让同一条连续信号横跨数据集边界。四分类时，每个类别各抽200到300个窗口，样本量已经足够撑起一个小型CNN。

标签用categorical类型：

labels = categorical(condition, {'N', 'IR', 'OR', 'B'});

然后在划分之前先randperm打乱信号文件顺序，保证各故障类型在训练、验证、测试中分布均匀。实际代码里我习惯先按类别抽取固定数量的窗，再统一shuffle，避免某些类样本多、某些类样本少导致训练不均衡。

3. WSET时频能量谱的Matlab实现与可视化分析

3.1 调用wsst生成同步挤压系数

Matlab小波工具箱提供了现成的wsst函数，一行命令就能得到同步挤压系数矩阵：

[sst, fr] = wsst(signal, fs);

其中sst是复系数矩阵，每个元素对应某个时间位置、某个频率上的小波同步挤压系数；fr是该矩阵每一行对应的频率轴，单位Hz。矩阵大小默认和时间点、频率分辨率相关，具体由信号长度和内部参数决定。

对这组系数取模平方，就得到能量谱：

E_abs = abs(sst).^2;

轴承故障信号的能量动态范围极大。转频附近、高倍谐波区域能量很强，冲击引起的宽带谐振区域能量相对弱一些，直接用原始能量谱训练，模型会被少数强能量像素带偏。我建议做一次对数压缩：

E_log = log1p(E_abs);

log1p处理的是log(1 + E)，既保留小能量区域的相对差异，又不会让强能量点过冲。这一步可以明显缩短训练收敛时间。

有一点要提前说清楚：wsst的计算量不低。对一段十几万点的信号直接算整个时频图，内存和时间都吃不消。我的做法是先滑窗截出2048点小片段，再对每个片段单独执行wsst。2048点在12kHz采样率下对应约0.17秒信号，能覆盖足够多的轴承转频周期。而且片段短，计算时间从几十秒级降到秒级，训练集迭代速度完全可接受。

3.2 从能量谱到CNN输入图：尺寸、归一化与避坑

同步挤压系数矩阵的形状不是规则正方形，直接喂给CNN通常不行。需要先resize到统一尺寸，再归一化。经验值用64×64，信息保留足够，计算量也小；最大用到128×128就差不多了，再大只会显著拖慢训练，并不稳定提升准确率。

img = imresize(E_log, [64, 64]); img = mat2gray(img); % 线性归一化到[0,1]

转成四维数组后，标签与图像一一对应：

trainImages = zeros(64, 64, 1, numSamples); for i = 1:numSamples trainImages(:, :, 1, i) = imresize(..., [64 64]); end

不少初学者习惯把时频图画成彩色图再保存成jpg，然后用三通道彩色图训练。我给的建议是不要这么做。第一，jpg是有损压缩，会模糊能量谱边缘；第二，用jet等colormap映射出来的伪彩色会引入额外的颜色边界，这些边界和故障类别没有直接物理关系，CNN可能学到的是颜色映射产生的伪影。我实测用原始灰度单通道训练，分类边界更干净，模型泛化也更好。

如果确实希望可视化给别人看，可以把64×64矩阵丢给imagesc加colormap去展示，展示归展示，训练归训练，两个流程分开。

3.3 完整可视化分析步骤：时域、频谱、时频对比

可视化不只是为了“画张好看的图”，它能帮你发现预处理是否出错、特征是否有效。我做完一个实验，必看下面这一套图：

第一张图是原始时域波形。把正常、内圈故障、外圈故障、滚动体故障四条信号放在同一个figure里，用subplot排成四行，观察幅值包络和冲击节奏是否合理。滚动体故障的冲击往往不如内圈外圈那么规律，如果时域图里一点冲击感都看不到，应该先怀疑数据读错了，而不是急着调模型。

第二张图是FFT频谱。主要看边带结构和共振峰分布，确认没有明显的直流偏置或传感器噪声异常。这里不是要手工提取频率，而是要建立“信号大概长什么样”的直觉。

第三张图是关键：同一段信号的CWT时频图与WSET时频图并排对比。Matlab里简单写就行：

subplot(1,2,1); imagesc(t, f_cwt, abs(cwt(signal, fs))); % CWT axis xy; title('CWT'); subplot(1,2,2); imagesc(t, fr, E_log); % WSET axis xy; title('WSET');

肉眼应该能明显看出WSET的谱线更聚焦，能量条带更窄；CWT版本则是一团糊状能量带。这一步如果对比不明显，多半是wsst参数选择问题，可以尝试调整voicePerOctave提高频率细分。

第四张图是四类故障的典型WSET图谱拼成网格。你会看到内圈故障的时频图里有密集的、方向倾斜的谱条纹，外圈故障相对更均匀，滚动体故障则会出现不规则的断续亮带。这种差异就是CNN能学到的核心判别信息。每次训练新模型前，我都会认真看一遍这些典型图，心里先对“模型靠什么做决策”有个基本预判，后面改网络结构才心里有数。

4. 基于WSET输入的CNN训练与结果解读

4.1 轻量CNN模型结构搭建

网络结构不需要太复杂。WSET输入图本身已经包含了很强的时频特征，网络太深反而容易过拟合到训练集的噪声细节。我用的是一个非常轻量的CNN：两个卷积块、一个全连接层、一个分类层。

layers = [ imageInputLayer([64 64 1], 'Normalization', 'none') convolution2dLayer(3, 16, 'Padding', 'same') batchNormalizationLayer reluLayer maxPooling2dLayer(2, 'Stride', 2) convolution2dLayer(3, 32, 'Padding', 'same') batchNormalizationLayer reluLayer maxPooling2dLayer(2, 'Stride', 2) fullyConnectedLayer(64) reluLayer fullyConnectedLayer(4) softmaxLayer classificationLayer ];

这个结构的参数量在十万级别，对于几千个训练样本来说很合适。顺便解释几个细节：

• imageInputLayer设Normalization为none，因为前面已经做过mat2gray，不需要再来一次标准化。
• 卷积核用3×3，池化用2×2步长2，是图像分类的经典配置。时频图像素之间没有严格的“横平竖直”结构，小卷积核更容易提取局部纹理组合。
• batchNormalizationLayer放在卷积之后、ReLU之前。批归一化能把每层的特征尺度稳住，对不同的负载工况数据会稳定很多，训练曲线也不容易震荡。

4.2 训练选项设置与过程曲线

训练配置看起来简单，但几个参数直接决定能不能收敛。我常用的配置如下：

options = trainingOptions('sgdm', ... 'MaxEpochs', 30, ... 'MiniBatchSize', 64, ... 'InitialLearnRate', 0.01, ... 'LearnRateSchedule', 'piecewise', ... 'LearnRateDropFactor', 0.1, ... 'LearnRateDropPeriod', 10, ... 'Shuffle', 'every-epoch', ... 'ValidationData', {valImages, valLabels}, ... 'ValidationFrequency', 20, ... 'Plots', 'training-progress', ... 'Verbose', false); net = trainNetwork(trainImages, trainLabels, layers, options);

几个参数的经验是：初始学习率0.01对这个小网络刚刚好，太大会出现Loss乱跳，太小则收敛极慢；MiniBatchSize取64，显存一般的显卡也扛得住；在每个epoch开始前做shuffle，能避免同一个连续窗序列反复按同一顺序出现，对稳定验证集准确率有帮助。

训练过程中打开training-progress图，重点看两条曲线的关系。正常情况训练Loss和验证Loss同步下降，验证准确率逐步爬升。如果训练Loss降到了很低但验证Loss开始反向上升，基本可以判定过拟合，优先考虑减小网络尺寸或加Dropout层；如果两条曲线一起震荡，则先检查学习率是否过大。

4.3 混淆矩阵、误分类与改进方向

训练完成后，用测试集做最终评估：

YPred = classify(net, testImages); figure; confusionchart(testLabels, YPred);

混淆矩阵是最直接的诊断结果工具。对角线越亮，模型越可靠。我实际跑四分类时，最容易出现的误分类组合是滚动体故障被分到内圈或外圈类别。这是因为滚动体故障的冲击位置会在滚动体旋转过程中不断变化，冲击特征带有很强的相位调制，和内外圈故障的谱结构有时确实很像。

遇到这种情况，我的处理顺序是：先把滚动体故障对应的WSET图再翻出来看一遍，确认它和某个其他类别的图谱是否真的接近；如果接近，考虑把窗长从1024拉到2048，让更长的冲击序列把周期特征暴露出来；如果还不行，再对滚动体故障类别的样本做增强，比如轻微叠加高斯噪声、随机裁切不同起始点。实测下来，“加长窗长”往往是滚动体召回率恢复的最有效手段。

5. 常见问题与故障诊断实操经验

5.1 高频问题速查表

下面这张表是我在过去几轮实验里反复被问到、或者自己踩过的问题，整理成速查表方便对照排查：

5.2 几条来自实操的补充经验

第一，训练集样本不是越多越好，而是要覆盖足够多的工况变化。把0HP、1HP、2HP、3HP四档负载全部混进训练集，模型确实能学会负载无关的故障特征；但如果训练集只放了0HP，测试时改成3HP，准确率掉下去是正常的，这是任务本身的物理特性决定的，不是网络结构有问题。

第二，检查数据标准化时，切记不要对整个数据集的均值和方差做全局标准化。因为每条样本来自不同工况，全局标准化会把工况差异当作主要变化方向，反而掩盖故障特征。我坚持每个样本单独归一化到[0,1]，这在工程上最简单也最稳定。

第三，做WSET可视化时，频率轴建议截断到6000Hz以下。12kHz采样的奈奎斯特频率是6000Hz，但真正对轴承冲击敏感的结构谐振往往落在低频到中频段，画全频段会浪费大量显示区域，也会让CNN把注意力分散到无用的服从噪声分布的频谱区域。

我个人在实际操作中最感到值回票价的习惯，是每次跑完实验先把典型样本的WSET图重新打开看一遍，再决定要不要动网络结构。很多“模型效果不佳”的问题，根源不在网络，而在输入时频图里有明显的坏样本或者标签错位。如果你现在正卡在准确率提不上去的瓶颈，我建议你先别急着改卷积层宽度，把自己数据里每个类别的WSET图并排画出来看一眼，把数据划分规则重新审一遍，可能比我在这里推荐任何网络结构都管用。这个流程跑顺之后，后面哪怕换成小样本场景，或者继续往迁移学习方向走，整个底座也是稳的。