基于聲學信號與視覺轉換器的滾動軸承故障診斷方法研究

寧方立，王佳龍，王珂

西北工業大學，陜西 西安 710072

在飛行安全保障體系中，航空機載設備的可靠性是保證航空運輸安全的關鍵因素之一[1]。滾動軸承作為航空機載設備的常見部件，其故障嚴重影響飛機的飛行安全[2]。因此，有效的滾動軸承故障診斷技術和故障類型識別對于航空機載設備的安全、穩定和長期運行具有重要意義。

大多數故障診斷系統由特征提取和機器學習算法結合而成[3]。滾動軸承的故障信號是復雜非平穩信號，需對信號進行預處理，從而提取滾動軸承故障特征信號的特征。滾動軸承信號的非平穩性，來自外部的干擾，也可能來自故障下損壞與未損壞部分的沖擊[4]。一些研究人員在時頻域中對非平穩信號進行分析，如使用短時傅里葉變換（STFT）[5]。基于對特征提取的需求，研究人員開發了信號的特征提取方法，如希爾伯特變換[6-7]、小波變換[8-9]、集合經驗模態分解[10]等方法。機器學習算法則被用來對提取出來的故障特征進行分類，分類方法有樸素貝葉斯[9]、支持向量機[11]、K-最近鄰算法[12]等。這些診斷技術雖然可能達到令人滿意的精度，但在特征提取和選擇過程中嚴重依賴專業知識和人工干預[13]。

近年來，深度學習發展迅速，并且應用廣泛。卷積神經網絡（CNN）是一種深度學習模型，在處理原始數據信息量較大的問題時，CNN 可對其進行降維，繼而減少參數，使學習效果更精確且簡潔。針對具有較強非平穩性和易被強烈背景噪聲干擾特點的滾動軸承振動信號，李恒等[14]提出了基于STFT和CNN的故障診斷方法，實現了端到端的故障模式識別。Wang Xin 等[15]基于一維CNN 的網絡，提出了一種融合多模態傳感器信號的新方法，該方法從原始振動信號與聲學信號中提取特征，以實現更準確的滾動軸承故障診斷。但滾動軸承故障信號是時間序列信號，CNN 在處理數據時不具備記憶能力，無法獲取樣本數據的序列信息[16]。因此，研究人員提出采用長短時記憶網絡（LSTM）來處理時序信息，并應用到滾動軸承的故障檢測中。Yu Lu等[17]提出一種自學習的堆疊LSTM 神經網絡，用以對滾動軸承的故障進行檢測，該方法能自適應地提取固有故障特征，并有效識別故障。Pan Honghu 等[18]將一維CNN 與LSTM 相結合，使用CNN 的輸出作為LSTM 的輸入用于滾動軸承故障類型檢測。Qiao Meiying等[19]將時頻域信號作為CNN-LSTM模型的輸入，用于不同噪聲與載荷下滾動軸承的故障診斷。LSTM 神經網絡是循環神經網絡（RNN）的改進版本[20]，雖然可以緩解RNN的梯度消失問題[21]，但仍無法徹底解決梯度消失問題，且LSTM的數據處理是順序進行的，在訓練中很少進行并行數據處理[22]。

在對自然語言的處理中，Transformer 構架的深度學習模型應運而生。與LSTM 不同的是，Transformer 不依賴于序列的固定順序，可以并行操作，也不需要考慮梯度消失問題，因此有著更快的訓練速度和更好的性能[21]。Dosovitskiy 等將Transformer 應用于圖像識別中并提出了視覺轉換器（ViT），在圖像分類上有著很好的表現。本文提出一種基于聲學信號與ViT的滾動軸承故障診斷方法。該方法通過STFT 將獲得的各種滾動軸承故障聲信號轉換為聲信號時頻圖，然后輸入ViT 實現滾動軸承故障的分類。與CNN和CNN-LSTM相融合的滾動軸承故障診斷方法相比，該方法的魯棒性更好、診斷精度更高。

1 診斷方法

采用非接觸式的聲學采集方法，采集滾動軸承在不同狀況下的聲信號，將聲信號預處理后進行故障診斷分析。基于ViT的滾動軸承故障診斷方法流程如圖1所示。

圖1 ViT滾動軸承故障診斷方法流程Fig.1 Flow chart of ViT rolling bearing fault diagnosis method

滾動軸承的故障聲信號通過STFT處理生成時頻圖，將時頻圖按時序分塊輸入ViT 進行滾動軸承狀態的分類，從而完成對滾動軸承故障類別的區分。

1.1 STFT聲信號處理

當滾動軸承出現故障時，故障部件與其他元件的相互碰撞會產生周期性的沖擊脈沖，其振動信號往往表現出非平穩性[23]。因此，有效處理非平穩信號對滾動軸承故障檢測至關重要。STFT 是一種用于非平穩信號的時頻分析技術。通過將非平穩的時域信號與窗口函數相乘，將信號分割成幾個分離或重疊的幀，然后對每幀進行快速傅里葉變換（FFT）。該技術可以測量信號的頻率成分隨時間的變化[24]。通過對采集到的滾動軸承故障聲進行STFT，生成不同故障類型的時頻圖。試驗測定的三種不同滾動軸承故障與健康滾動軸承聲信號的時頻圖如圖2所示。

圖2 4種不同類型的滾動軸承聲信號時頻圖Fig.2 Time-frequency plots of four different types of rolling bearing acoustic signals

分析圖2 可知，滾動軸承的特征頻率主要集中在0～4000Hz范圍內，且健康滾動軸承聲信號時頻圖相較于故障滾動軸承聲信號時頻圖頻帶更清晰。不同類型的滾動軸承聲信號時頻圖亮條紋區域寬度與位置均存在差異，分別展現出了不同的局部特征。

1.2 基于ViT的時序特征提取

經STFT輸出的時頻圖包含大量的頻率時序信息，對不同類型滾動軸承聲信號特征的提取能力決定了分類的精度。ViT 的圖像輸入時需將時頻圖進行分塊，但固有的圖像分塊方式會改變時頻圖的時序特征，因此，采用另一種分塊方式，即將時頻圖按照時序信息進行縱向分割。時頻圖被分割為大小固定的塊，分塊數量為224塊，每塊的矢量長度為224。經過線性變換后，給每個塊加入位置信息，保證序列中分塊按照時序信息排布。分類結構如圖3所示。

圖3 ViT分類結構Fig.3 ViT classification structure

為了執行分類，在序列前加入額外的分類標記，用以區分滾動軸承的不同狀態。序列組合后生成大小為225×224的矩陣，將生成的矩陣輸入轉換編碼器模塊。轉換編碼器模塊由多頭注意力機制、殘差連接與歸一化模塊和前饋層組成。多頭注意力機制結構如圖4所示。

圖4 多頭注意力機制Fig.4 Multi-head attention mechanism

多頭注意力機制是深度學習模型中常使用的注意力機制的擴展形式。注意力機制就是查詢（Q）到主鍵（K）和值（V）對的映射。多頭注意力允許模型在不同的位置共同關注來自不同表示子空間的信息。多頭注意力的輸入Q、K和V由輸入的序列矩陣獲得，h為注意力頭數。序列矩陣在經過L層的轉換編碼器模塊后，經過多層感知機獲得滾動軸承類型的分類結果。

2 試驗平臺及數據采集

2.1 試驗平臺

將滾動軸承布置于三項異步電機的前端，并且將電機固定于試驗臺上。故障聲信息采集設備使用的是16 通道駐極體麥克風陣列，由聲學采集卡將陣列采集的信息傳輸給計算機，進行數據存儲。試驗平臺如圖5所示。

圖5 試驗平臺圖Fig.5 Experimental platform diagram

試驗分別對健康滾動軸承、滾動軸承的內圈點蝕故障、滾子點蝕故障和滾動軸承外圈點蝕故障進行模擬。

2.2 聲數據采集

聲卡采集頻率為48kHz，對不同類別的滾動軸承聲信號進行采集，見表1。

表1 各類別滾動軸承聲信號采樣表Table 1 Sampling table for various types of rolling bearing noise signals

在采集的聲信號中加入白噪聲，用以模擬滾動軸承真實工況下的環境噪聲，信噪比設置為0。將采集到的數據經過STFT 獲得時頻圖。各類別滾動軸承聲信號數據樣本均為5760 個。按4∶1 的比例將樣本劃分為訓練集與測試集，其中訓練集的樣本總量為23040 個，測試集的樣本總量為5760個。具體數據量及標簽見表2。

表2 各類別滾動軸承聲信號數據集描述Table 2 Description of sound signal datasets for various types of rolling bearings

3 試驗與分析

3.1 ViT訓練與測試

將ViT 的訓練周期設置為200，初始學習率設置為0.0001，采用Adam 優化器，訓練網絡采用的硬件配置為Windows 11 系統、AMD-Ryzen-7-5800H CPU、Nvidia RTX 3060(12 GB) GPU，CUDA 11.6 和Pytorch 1.11.0。最終訓練的準確率與損失函數如圖6所示。

圖6 訓練準確率及損失Fig.6 Training accuracy and loss

隨著訓練次數的增加，訓練準確率也在不斷增加，最后趨于穩定。由訓練損失也可以看出這種趨勢。在測試階段經歷10 個循環，測試準確率見表3。測試集的平均準確率為97.68%。

表3 ViT測試準確率Table 3 ViT test accuracy

3.2 滾動軸承故障診斷方法的性能對比

采用CNN與CNN+LSTM的滾動軸承故障診斷方法應用廣泛，將以上兩種方法與基于ViT 的滾動軸承故障診斷方法進行對比。輸入數據均相同，且采用相同的預處理方式。經10次循環，三種方法的測試準確率如圖7所示。

圖7 三種滾動軸承故障診斷方法測試準確率Fig.7 Test accuracy of three rolling bearing fault diagnosis methods

由圖7 可以看出，基于ViT 的滾動軸承故障檢測方法在10次循環測試中的準確率均高于其余兩種方法。接下來分別采用測試集平均準確率、精準率、召回率與F1_score對三種不同的滾動軸承故障檢測方法進行分類性能的對比，見表4。

表4 三種滾動軸承故障診斷方式對比Table 4 Comparison between three rolling bearing fault diagnosis methods

通過對比可以看出，ViT 的分類性能均優于CNN 與CNN+LSTM 的分類性能。這體現了基于ViT 的滾動軸承故障檢測方法的有效性。

3.3 可視化分析

在可視化分析中采用t-分布隨機領域嵌入（t-SNE）技術，它通過在二維地圖中為每個數據點指定一個位置來可視化高維數據。通過t-SNE 對ViT 的分類結果降維可視化，分析分類結果之間的相關程度。ViT 分類特征向量可視化，如圖8所示。

圖8 ViT分類特征向量可視化Fig.8 Visualization of ViT classification feature vectors

圖8中的0、1、2、3分別代表滾子故障、內圈故障、正常聲與外圈故障。從各種故障的分布可以看出，內圈故障與外圈故障有部分混淆，但總體可分；滾子故障與正常聲音有較清晰的邊界。由此可以看出，本文所提出的基于ViT的滾動軸承故障檢測方法可以實現對滾動軸承故障類別的分類。

4 結論

針對航空機載設備上的滾動軸承故障，且故障信號具有非平穩的特點，本文提出了基于ViT 的聲信號滾動軸承故障診斷方法。聲信號通過STFT 輸出時頻圖作為ViT 的輸入。該方法相較于已有的CNN與CNN+LSTM的滾動軸承故障診斷方法，在診斷準確率等方面有著更高的提升。但將STFT輸出的時頻圖直接作為ViT的輸入，存在輸入數據量大的問題，還需進一步研究解決。