企业官网建设流程全解析

简介：本资源面向具备一定数学基础与MATLAB编程经验的研究人员、工程师，聚焦机械工程、工业互联网与人工智能交叉领域的轴承故障诊断需求。内容围绕小波时频图与Swin Transformer的融合方法展开，讲解如何将振动信号经小波变换转为时频图，再由Swin Transformer完成多尺度特征提取与深层特征学习，从而提升故障分类的准确性与鲁棒性，并涉及噪声干扰、多故障类型辨识、样本与标签不足、计算成本偏高等挑战的应对思路。压缩包共1个docx文件，约60KB，以文字与代码详解形式呈现项目背景、模型架构、技术难点、创新点及GUI设计思路，目录按项目目标与意义、挑战与解决方案、特点与创新、应用领域等模块组织，便于系统性阅读。已有84人学习，适合希望将小波时频分析与深度学习用于设备在线监测、自动化故障分类与预警实践，并借鉴完整程序实例的读者参考。

1. 振动信号到二维时频图，再到 Swin Transformer 的诊断链路

轴承故障诊断的老路子是算时域指标（峭度、均方根、峰值因子）或做包络谱，再靠人工阈值切档位，换一台设备、换一个转速，阈值就得重调。小波时频图换了个思路：把一段振动信号变成二维图像，横轴时间、纵轴频率、颜色深浅表示能量，滚动体剥落、内圈裂纹这类冲击成分在图上表现为等间隔的竖直条纹，肉眼能看，卷积网络和注意力网络也能学。Swin Transformer 用窗口划分加位移窗口，把注意力的计算复杂度压到与图像尺寸近似线性，同时保留跨窗口的全局建模能力，对时频纹理高度相似的内圈、外圈、滚动体故障，区分度通常比纯 CNN 稳一些。整条链路在 MATLAB 里是闭环的：读振动信号，做连续小波变换出时频图，喂给搭建好的 Swin Transformer 训练分类器，最后用 GUI 把加载、绘图、推理、导出四步包成一个可交付的小工具。适合做设备状态监测的工程师、用 MATLAB 做深度学习的研究生，以及需要把算法交付给现场人员的那类项目。

2. 用小波时频图把一维振动信号转成可训练的图像数据集

2.1 连续小波变换在轴承故障诊断里的选型理由

短时傅里叶变换的窗长固定，低频段分辨率不够，冲击成分容易糊在噪声里。连续小波变换（CWT）用可伸缩的母小波，低频用长窗、高频用短窗，正好对上轴承冲击「高频载波 + 低频重复频率」的物理结构。MATLAB 的cwtfilterbank把滤波器组预先算好，批量处理时复用同一个对象，比每次调用cwt快得多，这是我处理几千段信号时最先做的一处优化。

母小波选amor（Morlet 的解析形式）是常见做法。它时频聚集性好，对衰减振荡型冲击响应敏感。morse小波在能量集中度上也不错，但参数多，调参成本高；bump适合平稳信号，对冲击不敏感。工程上直接上amor就够用。

VoicesPerOctave控制每个倍频程内的频率采样点，默认 10，取 12 到 16 图像更细腻，代价是矩阵变大。FrequencyLimits我一般设成[10 fs/2]，把工频和直流附近的无用能量切掉，图的对比度会明显提升。

2.2 MATLAB 批量生成时频图并落盘的完整脚本

下面这段脚本做四件事：读入原始信号、去趋势加带通、分段做 CWT、按类别写进文件夹。分类数据集用文件夹名当标签，MATLAB 的imageDatastore能直接读，不用再维护标签表。

% buildTFImages.m —— 批量生成轴承时频图数据集 clear; clc; fs = 12000; % CWRU 驱动端采样率，12 kHz winLen = 2048; % 每段信号长度，约 170 ms overlap = 0.5; % 段间重叠，缓解样本量不足 imgSize = [224 224]; % 与 Swin 输入尺寸对齐 dataDir = fullfile(pwd, 'cwru'); % 原始 .mat 存放目录 outDir = fullfile(pwd, 'tfdataset'); % 输出图像根目录 if ~exist(outDir, 'dir'); mkdir(outDir); end % 滤波器组只构建一次，循环里复用，避免重复计算 fb = cwtfilterbank('SignalLength', winLen, ... 'SamplingFrequency', fs, ... 'Wavelet', 'amor', ... 'VoicesPerOctave', 12, ... 'FrequencyLimits', [10 fs/2]); files = dir(fullfile(dataDir, '*.mat')); for k = 1:numel(files) S = load(fullfile(files(k).folder, files(k).name)); fn = fieldnames(S); x = S.(fn{1}); % 变量名不固定，取第一个变量 x = double(x(:)); x = detrend(x); % 去趋势，消掉慢漂移 x = bandpass(x, [10 5000], fs); % 带通，压掉工频和高频噪 x = x / (max(abs(x)) + eps); % 整段归一化，防止幅值漂移 step = round(winLen * (1 - overlap)); nSeg = floor((numel(x) - winLen) / step) + 1; for s = 1:nSeg i0 = (s-1)*step + 1; seg = x(i0 : i0 + winLen - 1); seg = seg - mean(seg); % 逐段去均值 cfs = wt(fb, seg); % 复数矩阵：频率 x 时间 img = abs(cfs); img = log10(img + 1e-8); % 对数压缩，突出弱冲击 img = img - min(img(:)); % 线性拉伸到 [0,1] img = img / (max(img(:)) + eps); img = imresize(img, imgSize, 'bicubic'); img = im2uint8(img); % 存 8 位灰度图，省空间 label = regexp(files(k).name, '^([A-Za-z0-9]+)_', 'tokens', 'once'); labelDir = fullfile(outDir, label{1}); if ~exist(labelDir, 'dir'); mkdir(labelDir); end imwrite(img, fullfile(labelDir, sprintf('seg_%04d.png', s))); end end

参数说明：winLen决定频率分辨率下限，2048 点在 12 kHz 下覆盖约 0.17 s，能容纳两到三个冲击周期；再短会切碎重复频率，再长则样本量骤减。overlap取 0.5 是经验值，重叠太大会让训练集和验证集高度相关，评估结果虚高。imresize的bicubic比默认的最近邻更平滑，避免插值引入阶梯状伪影。

注意：训练、验证、测试三个子集的划分必须在分段之后按「段」随机划分，不能按「文件」划分后各自分段，否则同一段信号的相邻片段会跨集泄漏。

2.3 数据增强与类别不均衡的处理方式

时频图增强不能照搬自然图像的翻转。水平翻转等于把时间轴倒过来，破坏冲击的先后顺序，物理上不成立；竖直翻转等于把频率轴倒过来，同样不合理。能用的增强有这几类：

当正常样本远多于故障样本时，用imageDatastore配合countEachLabel先看清分布，再用augmentedImageDatastore做在线增强，或者在损失里加类别权重。重症样本量少于一成的场合，先把少数类过采样到接近多数类，再叠加 Mixup，比直接改损失函数更稳。

3. 在 MATLAB 中复现 Swin Transformer 的窗口注意力结构

3.1 Swin Transformer 与纯 CNN 在时频图上的差别

时频图上的故障特征有两类尺度：细尺度是单个冲击的竖直亮纹，粗尺度是亮纹之间的间隔规律。纯 CNN 靠堆卷积层扩感受野，浅层拿细节、深层拿全局，中间隔着好几层池化，细粒度的间隔规律容易被抹掉。Swin Transformer 用 4×4 的 patch 起步，每个 stage 通过 PatchMerging 下采样两倍，通道数翻倍，四层之后感受野覆盖全图，同时每一层的窗口内自注意力都在原地保留细节。

关键的位移窗口（Shifted Window）机制解决的是「窗口之间不通信」的问题：第 2、4 个 block 把特征图整体偏移半个窗口，再重新划分窗口做注意力，等价于让相邻窗口之间产生交叉，成本却没有增加。这和 CNN 的空洞卷积目的一样，但注意力的权重是数据驱动的。

W-MSA和SW-MSA交替堆叠，是 Swin 最容易写错的地方。如果只写窗口内注意力不做位移，网络退化成局部注意力网络，在轴承故障这种靠长程周期判别的任务上，准确率通常掉 3 到 5 个百分点。

3.2 窗口划分与还原的 MATLAB 实现

MATLAB 深度学习工具箱没有内置 Swin，需要自己写窗口切分函数，再用dlnetwork和自定义层串起来。数据布局统一用[H W C B]，中间量用[wh*ww C nWin B]。

function [x, info] = windowPartition(x, winSize) % 把 [H W C B] 切成不重叠窗口，输出 [wh*ww C nWin B] [H, W, C, B] = size(x); wh = winSize(1); ww = winSize(2); nH = H / wh; nW = W / ww; info = [H W C B wh ww]; x = reshape(x, wh, nH, ww, nW, C, B); x = permute(x, [1 3 5 2 4 6]); % [wh ww C nH nW B] x = reshape(x, wh*ww, C, nH*nW, B); end function x = windowReverse(x, info) % 把窗口拼回 [H W C B] H = info(1); W = info(2); C = info(3); B = info(4); wh = info(5); ww = info(6); nH = H / wh; nW = W / ww; x = reshape(x, wh, ww, C, nH, nW, B); x = permute(x, [1 4 2 5 3 6]); % [H W C B] x = reshape(x, H, W, C, B); end

逻辑说明：reshape先把空间维拆成「窗口内坐标 + 窗口编号」，permute把窗口两维挪到前面，再reshape合并成序列维。还原时按逆序操作。windowReverse依赖info里保存的原始尺寸，位移窗口的还原要用circshift反向移回来，否则图像会错位。

位移版划分在调用前先整体循环移位：

function x = shiftAndPartition(x, winSize, shiftSize) x = circshift(x, [-shiftSize(1), -shiftSize(2), 0, 0]); x = windowPartition(x, winSize); end

shiftSize一般取winSize/2，即窗口 7 时移 3。

3.3 相对位置偏置与 attention mask 的写法

窗口内自注意力之外，Swin 还给每个注意力头加一组可学习的相对位置偏置。把相对坐标展平后建一个(2M-1)^2大小的偏置表，训练时跟着一起更新。

function bias = relativePositionBias(winSize, numHeads, params) % 生成相对位置偏置查表索引 M = winSize(1); coords = 1:M; [xx, yy] = meshgrid(coords, coords); xx = xx(:); yy = yy(:); relX = xx - xx'; % [M^2 M^2] relY = yy - yy'; relX = relX + M - 1; % 偏移到 0..2M-2 relY = relY + M - 1; idx = relX * (2*M - 1) + relY + 1; % 扁平化索引 bias = params.T(idx, :); % T: [(2M-1)^2, numHeads] bias = permute(bias, [1 2 3]); % 后续 reshape 到 [N N numHeads] end

位移窗口还必须配一个 mask。因为位移后重新切窗口，一个窗口里可能混进原本不相邻的两个区域，不能让它们互相注意。做法是给不该注意的位置在 softmax 前加大负数：

attn = attn + relBias + maskMat; % maskMat 中屏蔽位置为 -100 attn = softmax(attn, 'DataFormat', 'CB');

maskMat在每次前向传播前根据当前图像尺寸算一次并缓存，不必每层重算。窗口尺寸 7、特征图 56×56 时，一个 batch 的 mask 矩阵约几十 MB，缓存一份即可。

3.4 网络组装与训练参数配置

把 PatchEmbed、若干 Swin Block、PatchMerging、全局平均池化和全连接拼成dlnetwork。训练用自定义循环，因为trainNetwork对多输入自定义层的支持有限。

% 组装主干 layers = [ patchEmbedLayer(4, 96, 'Name', 'patch_embed') swinStage(96, 2, 3, 7, 'Name', 'stage1') patchMergingLayer('Name', 'merge1') swinStage(192, 2, 6, 7, 'Name', 'stage2') patchMergingLayer('Name', 'merge2') swinStage(384, 6, 12, 7, 'Name', 'stage3') patchMergingLayer('Name', 'merge3') swinStage(768, 2, 24, 7, 'Name', 'stage4') globalAvgPoolLayer('Name', 'gap') fullyConnectedLayer(10, 'Name', 'fc') softmaxLayer('Name', 'prob')]; net = dlnetwork(layers);

参数说明：patchEmbedLayer(4, 96)表示 4×4 patch、96 通道；swinStage(C, nBlock, nHead, M)里nBlock是块数、nHead是注意力头数、M是窗口边长。Swin-Tiny 的配置是{2, 2, 6, 2}块数、{3, 6, 12, 24}头数，总参数量约 28M，输入 224×224 时在单张 12 GB 显存上 batch size 取 16 比较稳。

4. App Designer 构建轴承故障诊断 GUI 的完整步骤

4.1 界面控件布局与回调划分

用 App Designer 新建一个 Blank App，主图分成左右两块。左边放两个UIAxes：上面显示时频图，下面显示十类故障的概率条形图。右边从上到下依次是文件选择按钮、采样率输入框、诊断按钮、结果文本区、导出报告按钮。控件命名建议用BtnLoad、BtnDiagnose、AxesTF、AxesProb这种前缀式，后面对回调函数定位快。

回调函数按职责拆成三类：IO 类只负责读文件写文件，处理类调用信号处理函数，推理类只管predict和画图。这样拆过之后，算法更新时只动处理类，界面代码基本不动。

注意：UIAxes上直接调imshow需要指定Parent参数，否则会弹独立窗口，这是 App Designer 新手最常踩的坑。

4.2 加载信号到输出诊断结论的一条龙代码

以下三个回调构成核心流程，写在一个.mlapp里即可。

function BtnLoadPushed(app, event) [f, p] = uigetfile({'*.mat;*.csv;*.txt', '振动信号'}, '选择信号文件'); if isequal(f, 0); return; end app.SignalPath = fullfile(p, f); app.LblStatus.Text = ['已加载: ' f]; end function BtnDiagnosePushed(app, event) if isempty(app.SignalPath) uialert(app.UIFigure, '请先加载信号文件', '提示'); return; end fs = app.FsEditField.Value; % 采样率从界面读，默认 12000 x = readSignal(app.SignalPath); % 支持 mat / csv / txt 三种 x = double(x(:)); x = detrend(x); x = bandpass(x, [10 min(5000, fs/2-1)], fs); x = x / (max(abs(x)) + eps); seg = x(1:min(2048, numel(x))); img = signal2tfimage(seg, fs, app.FilterBank); % 与训练完全一致 app.TFImage = img; imshow(img, 'Parent', app.AxesTF); % 灰度图展示 dlX = dlarray(repmat(img, 1, 1, 3, 1), 'SSCB'); % 复制成三通道 scores = predict(app.Net, dlX); scores = extractdata(scores); [pMax, idx] = max(scores); app.LastScores = scores; bar(app.AxesProb, scores, 'FaceColor', [0.3 0.6 0.9]); app.AxesProb.XTickLabel = app.ClassNames; app.LblResult.Text = sprintf('诊断结论: %s (置信度 %.2f%%)', ... app.ClassNames{idx}, pMax*100); end function BtnExportPushed(app, event) [f, p] = uiputfile('*.pdf', '保存诊断报告'); if isequal(f, 0); return; end fig = figure('Visible', 'off', 'Position', [100 100 800 600]); subplot(2,1,1); imshow(app.TFImage); title('小波时频图'); subplot(2,1,2); bar(app.LastScores); title('各类故障概率'); xticklabels(app.ClassNames); xtickangle(45); exportgraphics(fig, fullfile(p, f), 'ContentType', 'vector'); close(fig); app.LblStatus.Text = ['报告已保存: ' f]; end

逻辑说明：signal2tfimage是把第 2 章的生成逻辑封装成独立函数，滤波器组对象存在app.FilterBank里，App 启动时构建一次，避免每次点击都重建。推理时输入通道数必须和训练一致，灰度图统一repmat成三通道，这一步漏掉会直接报维度不匹配。

4.3 模型加载、路径管理与打包发布

App 启动时用startupFcn加载训练好的dlnetwork：app.Net = load('swin_bearing.mat').Net;，同时构建滤波器组和类别名。文件路径统一用相对路径加fullfile拼接，不要用绝对路径，否则打包成 exe 之后在别人机器上必然找不到模型。

打包用 MATLAB Compiler 的 Application Compiler，把.mlapp主文件和swin_bearing.mat、signal2tfimage.m、readSignal.m一起加进「Files required for your application to run」。生成的 exe 需要目标机器装对应版本的 MATLAB Runtime，Runtime 版本必须和编译机一致，这个坑在交付现场经常出现。

5. 训练之后的调参与排错技巧

5.1 学习率 warmup 与 batch size 的联动

Swin 这类带自注意力的网络前几百步梯度方差大，直接上 1e-3 很容易在第一个 epoch 就把权重推到坏区域。我一般做 5 个 epoch 的线性 warmup，从 1e-6 爬到 1e-4，再按余弦退火降到 1e-5。batch size 和初始学习率大致按平方根关系同步放大，batch 从 16 加到 64 时学习率乘 2 就够，乘 4 往往过冲。

lr = 1e-6 + (1e-4 - 1e-6) * min(1, epoch / 5); % warmup lr = 1e-5 + 0.5*(1e-4 - 1e-5)*(1 + cos(pi*epoch/60)); % 余弦退火

过拟合的早期信号是训练损失继续降而验证损失两三轮不降，此时先查验证集的划分有没有跨段泄漏，再考虑加 L2 或提高增强强度。数据量超过两万张时，L2 设 0.05 通常比 0.1 效果更好。

5.2 几个高频报错的定位思路

排错顺序建议从数据侧开始：先固定一个 200 张图的小子集，用最简单的三层 CNN 训到接近 100%。如果小 CNN 都学不动，问题在标签或图像生成；如果小 CNN 能学动而 Swin 不行，问题在自定义层或 mask 实现。

5.3 用混淆矩阵和 t-SNE 判断模型学到了什么

confusionchart直观，但只能看最终分类结果。想知道特征空间有没有真的分开，取倒数第二层的输出做 t-SNE：

feat = predict(dlnetwork(net.Layers(1:end-2)), dlX); % 去掉 fc 和 softmax feat = extractdata(feat); % [C B] Y = tsne(feat', 'NumDimensions', 2, 'Perplexity', 30); gscatter(Y(:,1), Y(:,2), labels);

同一类在 t-SNE 图上散成两三团，说明这一类内部存在两个子模式，常见于不同负载条件下的同一故障。这时要么在数据集里补足该条件下的样本，要么在训练时把负载作为一个辅助输入分支。混淆矩阵里内圈和外圈互相错分，则多半是时频图频率范围设得过窄，把区分两类故障的特征频带切掉了，把FrequencyLimits上限从 5000 Hz 调到 6000 Hz 再训一次，通常能看到改善。

本文还有配套的精品资源，点击获取