基于多域特征融合的齿轮箱故障智能诊断(Python)-技术文章-醋醋百科网

算法流程

开始│├─ 数据准备│   ├─ 导入Kaggle数据集│   ├─ 遍历数据文件│   └─ 合并数据集│├─ 数据预处理│   ├─ 转换数据格式(宽表→长表)│   ├─ 数据质量检查(样本量/时长)│   └─ 异常传感器处理(排除a1)│├─ 时域分析│   ├─ 可视化时间序列│   ├─ 分布分析(箱型图)│   └─ 特征提取(统计特征)│├─ 特征工程│   ├─ 分割数据片段(1000点/段)│   ├─ 计算统计特征(均值/标准差等)│   └─ 构建特征矩阵│├─ 机器学习建模│   ├─ 划分训练/测试集│   ├─ 随机森林训练│   ├─ 模型评估(准确率)│   └─ 多模型比较(lazypredict)│├─ 频域分析│   ├─ FFT频谱分析│   ├─ 峰值检测│   ├─ 功率谱密度(PSD)│   └─ 健康/故障PSD对比│├─ 时频分析│   └─ 谱图可视化│└─ 结束

详细算法步骤

数据准备阶段：

从Kaggle下载齿轮箱故障诊断数据集

遍历数据集目录结构，识别符合命名规范的文件

从文件名提取关键信息：状态（健康/断齿）、负载值

合并所有数据文件为统一DataFrame

数据预处理：

转换数据格式：将宽格式（每列一个传感器）转换为长格式（堆叠传感器读数）

分析数据完整性：计算最小样本量及对应时长

识别并排除异常传感器（a1）对整体分布的影响

时域分析：

可视化不同负载下健康/故障状态的时间序列

使用箱型图比较各传感器在不同状态下的读数分布

计算全局读数分布，验证数据质量

特征工程：

将连续信号分割为固定长度片段（1000个样本）

为每个片段计算多种统计特征：

传感器类型指示器

负载值

均值、标准差

峰度、偏度

高阶矩

构建特征矩阵和标签向量（故障=1，健康=0）

机器学习建模：

划分训练集（80%）和测试集（20%），保持类别比例

训练随机森林分类器

评估模型准确率

使用lazypredict自动比较多种分类算法性能

频域分析：

对单传感器数据进行FFT变换，获取频谱

检测频谱中的显著峰值

计算功率谱密度（PSD）分析信号能量分布

比较健康/故障状态下PSD的差异和相关程度

时频分析：

计算并可视化所有传感器在不同状态下的谱图

展示信号频率成分随时间的变化

算法在信号分析中的应用

应用领域	具体实现方式	技术优势
故障检测	比较健康/故障状态下的时域特征差异	早期发现设备异常，避免重大故障
故障分类	区分断齿故障与其他故障类型	精确识别故障模式，指导维修决策
负载影响分析	分析不同负载下振动特征的变化规律	优化设备运行参数，延长使用寿命
传感器评估	比较各传感器的信号质量和对故障的敏感性	优化传感器布置方案，提高监测效率
频带特征提取	识别故障特有的频率成分（如齿轮啮合频率及其谐波）	提供故障发生的物理证据
状态趋势监测	跟踪时频特征的历时变化	预测设备剩余寿命，实现预测性维护
信号质量评估	分析信号的信噪比和分布特性	确保数据可靠性，排除采集干扰
故障定位	结合多传感器数据关联分析	确定故障发生部位（如齿轮、轴承等）
运行优化	识别引起异常振动的运行参数	调整设备运行状态，减少异常振动
诊断模型验证	提供多种分析方法交叉验证诊断结果	提高诊断结论的可靠性和准确性

结合机器学习和深度学习

结合方式	具体实现	技术价值
特征自动提取	使用CNN处理时频谱图，自动学习最优特征	减少人工特征工程，捕捉复杂模式
多传感器融合	设计3D-CNN处理多传感器时频数据	挖掘传感器间时空相关性
异常检测	基于自编码器的无监督异常检测	无需故障样本，识别未知故障类型
迁移学习	在ImageNet预训练模型上微调处理时频谱图	利用大规模图像知识，解决小样本问题
注意力机制	在Transformer中引入时频注意力层	聚焦关键故障特征，提升诊断效率
时序建模	LSTM/GRU处理时域特征序列	捕捉故障特征的时序演化规律
图神经网络	构建传感器关系图进行故障传播分析	模拟故障在设备中的传播路径
生成对抗网络	用GAN生成合成故障数据，解决样本不平衡	扩充罕见故障样本，提高模型泛化能力
多任务学习	同时预测故障类型、位置和严重程度	提高模型效率，输出综合诊断报告
模型可解释性	使用SHAP/LIME解释模型决策依据	增强诊断结果可信度，满足工业标准
在线学习	实时更新模型适应设备老化过程	保持模型在设备全生命周期的准确性

# 导入Kaggle数据集import kagglehub# 下载齿轮箱故障诊断数据集brjapon_gearbox_fault_diagnosis_path = kagglehub.dataset_download('brjapon/gearbox-fault-diagnosis')print('数据源导入完成。')
# 导入基础数据分析库import numpy as np  # 数值计算库import pandas as pd  # 数据处理库
# 遍历输入目录下的所有文件import osfor dirname, _, filenames in os.walk('/kaggle/input'):    for filename in filenames:        print(os.path.join(dirname, filename))  # 打印文件路径
# 导入可视化与分析库import matplotlib.pyplot as plt  # 数据可视化import seaborn as sns  # 高级数据可视化from scipy import fft, signal, stats  # 信号处理与统计from tqdm.notebook import tqdm  # 进度条工具
"""数据集说明：齿轮箱故障诊断数据集包含使用SpectraQuest齿轮箱故障诊断模拟器记录的振动数据。数据集使用4个不同方向的振动传感器记录，负载从0%到90%变化。包含两种场景：1) 健康状态2) 断齿状态共20个文件，健康齿轮箱10个，断齿齿轮箱10个。每个文件对应0-90%的负载（步长10%）。文件名结构：- 首字符："h"表示健康，"b"表示断齿- 中间包含"30hz"表示采样率- 末尾字符：负载值(0-90)"""
# 初始化数据存储列表dfs = []# 遍历输入目录下的所有文件for dirname, _, filenames in tqdm(os.walk('/kaggle/input')):    for filename in tqdm(filenames, leave=False):        # 检查文件名是否符合预期模式        if not (filename.startswith('h') or filename.startswith('b')) or '30hz' not in filename or not filename.endswith('.csv'):            continue  # 跳过不符合模式的文件
        # 从文件名提取状态（健康/断齿）        state = filename[0]        # 从文件名提取负载值        load = int(filename.split('.')[0][5:])
        # 读取CSV文件        df = pd.read_csv(os.path.join(dirname, filename))        # 添加状态列        df['state'] = state        # 添加负载列        df['load'] = load        # 添加到列表        dfs.append(df)
# 合并所有数据集并重置索引df = pd.concat(dfs).reset_index().rename(columns={'index':'sample_index'})
# 将数据转换为"长格式"（传感器读数堆叠）sensor_readings = df.melt(    id_vars=['sample_index','state','load'],  # 保留的标识列    value_vars=['a1','a2','a3','a4'],  # 要堆叠的传感器列    var_name='sensor',  # 新列名：传感器类型    value_name='reading'  # 新列名：读数)
# 基本探索性数据分析(EDA)# 可视化各文件样本数量分布sns.countplot(    data=sensor_readings[sensor_readings.sensor=='a1'],  # 使用传感器a1的数据    y='load',  # y轴为负载    hue='state',  # 按状态着色)
# 计算最小样本数及对应时长lowest_samples = df.groupby(['state','load']).sample_index.count().min()print(f'最小样本数 = {lowest_samples}')print(f'对应时长 = {lowest_samples/30:0.2f}秒 或 {lowest_samples/30/60:0.2f}分钟')
# 数据筛选辅助函数def rdg(df, state=None, load=None, sensor=None):    """根据状态、负载和传感器筛选数据"""    df_st = df[df.state==state] if state is not None else df    df_lo = df_st[df_st.load==load] if load is not None else df_st    df_se = df_lo[df_lo.sensor==sensor] if sensor is not None else df_lo    return df_se
# 时域分析：绘制传感器读数时间序列g = sns.FacetGrid(    data=pd.concat([        rdg(sensor_readings, load=0, sensor='a1'),  # 负载0%的数据        rdg(sensor_readings, load=90, sensor='a1')  # 负载90%的数据    ]),    col='load',  # 按负载分列    row='state',  # 按状态分行    height=2.5,   # 子图高度    aspect=2.5    # 子图宽高比)g.map(plt.plot, 'reading')  # 在每个子图上绘制读数plt.show()
# 使用箱型图比较读数分布print('每行表示不同传感器，每列表示不同负载')print('每个子图展示健康与故障齿轮箱的读数分布')sns.catplot(    data=sensor_readings,    col='load', row='sensor',  # 按负载分列，按传感器分行    x='state', y='reading',    # x轴为状态，y轴为读数    kind='boxen',              # 使用箱型图变体    height=10                  # 图形高度)
# 分析传感器a1对整体分布的影响display(sensor_readings.groupby(['sensor','state']).reading.std().unstack())print(f"包含传感器a1的标准差: {sensor_readings.reading.std()}")print(f"排除传感器a1的标准差: {sensor_readings[sensor_readings.sensor!='a1'].reading.std()}")
# 排除传感器a1的数据readings = sensor_readings[sensor_readings.sensor!='a1']
# 特征工程：创建机器学习特征data = []    # 特征数据存储labels = []  # 标签存储# 分组处理：按状态、负载、传感器分组for (state,load,sensor),g in sensor_readings.groupby(['state','load','sensor']):    vals = g.reading.values  # 获取该组的所有读数    # 将数据分割为1000个样本的片段    splits = np.split(vals, range(1000,vals.shape[0],1000))    for s in splits[:-1]:  # 跳过最后一个可能不完整的片段        # 提取时域特征        data.append({            'sensor_a1': int(sensor=='a1'),  # 传感器指示器            'sensor_a2': int(sensor=='a2'),            'sensor_a3': int(sensor=='a3'),            'load': load,                    # 负载值            'mean': np.mean(s),              # 均值            'std': np.std(s),                # 标准差            'kurt': stats.kurtosis(s),       # 峰度            'skew': stats.skew(s),           # 偏度            'moment': stats.moment(s),       # 矩        })        labels.append(int(state=='b'))  # 标签：1表示故障，0表示健康
# 转换为DataFramedf_data = pd.DataFrame(data)data = df_data.valueslabels = np.array(labels)
# 数据集统计print(f'总样本数: {len(labels)}')print(f'故障类样本: {np.sum(labels)} ({np.sum(labels)/len(labels):0.1%})')
# 划分训练集和测试集from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(    data, labels,    train_size=0.8,      # 80%训练    random_state=42,     # 随机种子    stratify=labels      # 分层抽样保持类别比例)print(f'训练数据: {X_train.shape}')print(f'测试数据: {X_test.shape}')
# 随机森林模型训练与评估from sklearn.ensemble import RandomForestClassifierfrom sklearn.metrics import accuracy_score
model = RandomForestClassifier(random_state=42)model.fit(X_train, y_train)y_pred = model.predict(X_test)print(f'准确率: {accuracy_score(y_test, y_pred):0.2%}')
# 使用lazypredict自动比较多个模型get_ipython().system('pip install lazypredict')from lazypredict.Supervised import LazyClassifier
clf = LazyClassifier(verbose=0, ignore_warnings=True)models, predictions = clf.fit(X_train, X_test, y_train, y_test)print(models.head())  # 显示表现最好的模型
# 频域分析：快速傅里叶变换(FFT)sensor_data = rdg(sensor_readings, 'h', 10, 'a4').reading.valuesy = np.abs(fft.rfft(sensor_data))  # 计算FFT幅度x = fft.rfftfreq(sensor_data.shape[0], 1/30)  # 计算频率轴(30Hz采样率)
plt.plot(x, y)plt.xlabel('频率 (Hz)')plt.ylabel('信号强度')plt.show()
# 在频谱中检测峰值fig, ax = plt.subplots(figsize=(25,3))ax.plot(x, y)
# 设置峰值检测参数x_peak_spacing = y.shape[0] / x.max()  # 最小峰值间距(1Hz)x_peak_prominence = np.quantile(y,0.99)  # 最小峰值显著度(99%分位数)
# 检测峰值peaks, _ = signal.find_peaks(y, distance=x_peak_spacing, prominence=x_peak_prominence)for peak in peaks:    ax.scatter(x=x[peak], y=y[peak], c='r', marker='o', s=30)  # 标记峰值
ax.set_xlabel('频率 (Hz)')ax.set_ylabel('信号强度')plt.show()
# 功率谱密度(PSD)分析x, y = signal.welch(sensor_data, fs=30)  # 使用Welch方法计算PSDplt.plot(x, y)plt.xlabel('频率 (Hz)')plt.ylabel('功率谱密度 (V^2/Hz)')plt.show()
# 比较不同状态下的PSDfig, ax = plt.subplots(ncols=4, nrows=10, figsize=(15,20))for ((load,sensor), dfg), axi in tqdm(zip(sensor_readings.groupby(['load','sensor']), ax.ravel()), total=40):    # 分离健康和故障数据    healthy_raw = dfg[dfg.state=='h'].reading.values    broken_raw = dfg[dfg.state=='b'].reading.values
    # 计算PSD    fh, Ph = signal.welch(healthy_raw, fs=30)    fb, Pb = signal.welch(broken_raw, fs=30)
    # 绘制并计算相关性    axi.plot(fh, Ph, c='g', alpha=0.6, label='健康')    axi.plot(fb, Pb, c='r', alpha=0.6, label='故障')    axi.set_ylim(0,50)    axi.set_title(f'负载={load}, 传感器 {sensor}, 相关性: {np.corrcoef(Ph, Pb)[0,1]:0.2}')plt.tight_layout()plt.show()
# 时频分析：谱图可视化fig, ax = plt.subplots(ncols=8, nrows=10, figsize=(25,20))for ((load, sensor, state), dfg), axi in tqdm(zip(sensor_readings.groupby(['load','sensor','state']), ax.ravel()), total=80):    raw = dfg.reading.values    # 计算谱图    f, t, Sxx = signal.spectrogram(raw, fs=30)    # 绘制谱图    axi.pcolormesh(t, f, Sxx, cmap='nipy_spectral')    axi.set_title(f'负载={load}, 传感器 {sensor}, 状态 {state}')plt.tight_layout()plt.show()

知乎学术咨询：

https://www.zhihu.com/consult/people/792359672131756032?isMe=1

醋醋百科网

Good Luck To You!

基于多域特征融合的齿轮箱故障智能诊断(Python)

算法在信号分析中的应用

结合机器学习和深度学习