全文链接：https://tecdat.cn/?p=45713

关于分析师

在此对Junhong Li对本文所作的贡献表示诚挚感谢，他完成了应用统计专业的硕士学位，专注统计建模、机器学习与数据处理领域。擅长Python、R语言、Matlab，在统计建模与数据挖掘方面具有丰富经验。

引言

高速列车轴承的健康监测，正是其中极具代表性的场景——试验台架上采集的振动数据标签完备、模式清晰，而实际运营中的列车轴承却面临故障样本稀缺、背景噪声强烈、工况复杂多变的挑战，两者之间存在显著的分布鸿沟。

从数据挖掘与机器学习的视角审视，这本质上是一个典型的领域自适应问题：如何将源域中学到的判别知识，在尽可能不依赖目标域标签的前提下，实现跨域稳健迁移。本文所呈现的技术方案，改编自我们过往为客户完成的某工业设备智能诊断咨询项目，其中系统性地运用了多域特征工程、迁移成分分析、集成学习与模型可解释性分析等方法，形成了一套完整的迁移诊断框架。该项目的方法论已在实际业务数据上通过校验，验证了从试验台到真实运营场景下故障知识迁移的可行性。

本文围绕这一迁移诊断框架展开，从振动信号的预处理与多维特征提取出发，经源域故障分类模型的构建与优选，到基于迁移成分分析的域适应设计，最后通过可解释性技术揭示模型决策逻辑与轴承故障物理机理的内在一致性，为标签稀缺场景下的设备智能运维提供了完整的技术参考。

本文内容改编自过往客户咨询项目的技术沉淀并且已通过实际业务校验，阅读原文进群获取完整代码数据及更多最新AI见解和行业洞察，可与900+行业人士交流成长；还提供人工答疑，拆解核心原理、代码逻辑与业务适配思路；遇代码运行问题，更能享24小时调试支持。

研究框架流程数据预处理与多域特征提取├── 振动信号重采样 → 小波阈值去噪 → 滑动窗分段├── 时域特征（均值、峭度等）│ 频域特征（频谱质心等）│ 时频域特征（小波能量熵等）└── Z-score标准化 + 分类变量独热编码        │特征筛选与优化├── Pearson相关性分析（去冗余）├── ANOVA方差分析（单变量判别力）├── 随机森林重要性（非线性贡献）└── 多准则融合评分 → 15维优化特征子集        │源域故障诊断建模（多模型对比）├── K近邻 │ 逻辑回归 │ XGBoost │ 一维CNN├── 贝叶斯超参数优化└── 综合评价：准确率、AUC、F1值、混淆矩阵与泛化性能        │迁移诊断框架设计├── 迁移成分分析TCA → 域间距离减少42.02%├── XGBoost迁移诊断模型构建└── 高置信度样本迭代再训练 → 置信度提升至0.72        │模型可解释性分析├── SHAP全局重要性（轴承转速、小波能量熵等关键特征）├── LIME局部解释（单样本决策归因）├── t-SNE可视化（域适应前后分布对齐）└── 故障机理关联性验证

高速列车轴承的智能故障诊断是保障列车走行系统安全稳定运行的关键技术。本文围绕试验台架数据与实车数据之间的分布差异问题，建立了一套完整的迁移诊断框架，系统性地解决了从试验台轴承数据到实际运营列车轴承数据的故障特征提取、诊断模型构建、跨域知识迁移及模型可解释性分析等一系列关键问题，为实车轴承在标签稀缺条件下的智能故障诊断提供了完整可行的解决方案。

针对数据分析与故障特征提取问题，本文结合轴承故障机理，从时域、频域和时频域三个维度系统提取了28个初始特征，并基于相关性分析、ANOVA方差分析和随机森林等多准则特征筛选方法，识别出判别能力最强的特征，进一步以该特征集为基础，最终得到15个最具判别力的低冗余特征集，为后续迁移任务奠定了高质量的数据基础。

针对源域故障分类诊断问题，本文对比研究了K近邻、逻辑回归、极端梯度提升算法和卷积神经网络四种分类模型。采用随机分层抽样的方法，将已标注的源域数据集按80%的比例划分为训练集，用于训练和调整模型参数，剩余20%作为测试集，用于客观评估各模型在未见数据上的泛化性能与诊断精度。结果表明，经贝叶斯优化的XGBoost模型在源域测试集上准确率达到100%，显著优于其他模型，其优异的非线性拟合能力和泛化性能为迁移学习提供了可靠的基准模型。

针对迁移学习策略设计问题，本文重点解决了目标域标签稀缺下的迁移诊断难题。具体而言，针对目标域标签稀缺问题，本文首先采用迁移成分分析方法进行域适应，将源域与目标域数据映射至统一的特征空间，使源域和目标域之间的分布距离减小了42.02%。在此基础上，引入基于置信度评估的XGBoost再训练机制，通过迭代筛选高置信度目标域样本扩充训练集，最终将目标域样本的平均预测置信度提升至0.72，有效实现了从试验台到实车轴承诊断知识的跨域迁移。

针对可解释性分析，从可解释性角度对迁移诊断过程进行了深入分析。通过SHAP全局重要性分析和LIME局部解释方法，揭示了驱动端峭度、能量等关键特征在故障分类中的决策贡献，证实了模型决策逻辑与轴承故障物理机理的高度一致性。可视化分析表明，TCA有效对齐了域间特征分布，从而增强了模型在实际复杂工况下的泛化能力和可信度。

本文所提出的迁移诊断框架在保证高精度的同时，具备良好的可解释性与工程适用性，为高速列车轴承的智能运维提供了有效的解决方案。

关键词：迁移学习；TCA；XGBoost；故障诊断；特征提取

研究背景与问题重述

高速列车因其安全高效、便捷舒适和绿色低碳等优势，已成为我国客运系统的重要组成部分。轴承作为高速列车走行系统的核心旋转部件，长期处于高转速、交变载荷等复杂恶劣工况中，故障率高、易损坏，是引发设备故障的主要源头。一旦发生故障，轻则导致列车延误，重则可能引发脱轨等严重事故，威胁行车安全。

目前高铁轴承状态监测主要依赖专家经验或传统信号处理方法。随着轨道交通系统向高密度、强耦合和智能化方向发展，现有方法在诊断精度、泛化能力和实时性方面难以满足复杂运营场景下的精准诊断需求。近年来，大数据与人工智能技术的快速发展推动了数据驱动的智能故障诊断方法在列车运维中的应用。基于海量运营数据构建的深度学习模型具备更高的故障识别精度、更强的工况适应性和更高效的实时诊断能力。然而，实际运行环境中，传感器采集的振动信号易受背景噪声和干扰影响，故障特征显著性降低，且由于故障数据稀缺，导致训练样本分布严重失衡，制约了深度学习模型的工程应用。

相比之下，试验台架环境下采集的轴承数据标签完备、数量充足，且故障演化机理与实车轴承相似。迁移学习技术为此提供了新的解决思路，其核心是将源域中学到的知识迁移至目标域，以提升模型在目标任务上的性能。

本文使用的源域数据集包含161个轴承试验台架振动数据文件，目标域数据集包含16个实际列车轴承故障数据文件。研究围绕四项核心任务展开：数据分析与故障特征提取、源域故障诊断、迁移诊断实现、以及迁移诊断的可解释性分析。通过以上研究，旨在推动智能故障诊断方法在高速列车轴承健康管理中的实际应用，提升运维智能化水平与列车运行安全性。

模型假设

本文在构建高速列车轴承智能故障诊断模型时，依托以下关键假设展开研究：

假设一：源域与目标域虽存在分布差异，但共享相同的轴承故障物理机理与特征频率规律，使得迁移学习能够实现知识跨域传递。

假设二：振动信号中的故障特征虽受噪声干扰，但通过适当的预处理能够有效提取，并保留足够的判别信息用于状态识别。

假设三：从时域、频域及时频域提取的多维特征能够全面刻画轴承的故障模式，且这些特征在源域和目标域间具有一致性和可迁移性。

假设四：迁移成分分析能够显著减少域间分布差异，而XGBoost等分类模型能够基于迁移后的特征实现高精度、泛化性强的故障诊断。

假设五：轴承的故障类型彼此互斥，且每个数据样本仅对应单一故障模式，无复合故障情形。

假设六：模型决策过程与轴承故障机理存在内在关联，通过可解释性技术能够透明化展示特征贡献与决策路径，增强工程应用可信度。

定义与符号说明

数据分析与故障特征提取

本节建立了一套系统的特征工程模型，通过对源域数据的预处理、多域特征提取和特征融合，构建适用于迁移学习的高质量特征表示。

信号预处理与特征提取

为构建适用于迁移诊断的故障特征集，我们对源域振动数据进行了系统的处理，整体流程如图5-1所示。该流程旨在从原始信号中提取出对故障敏感且具有一定域不变性的多域特征。

图5-1 信号预处理与特征提取流程

由于源域数据采样频率与目标域不一致，首先对所有信号进行了重采样处理，将其统一至32 kHz，以消除采样率差异对特征可比性的影响。随后，为抑制环境噪声和随机干扰，采用了小波阈值去噪法对信号进行平滑处理。

为充分挖掘数据信息，对预处理后的长序列信号进行了分段处理。设置一个长度为1024个采样点的滑动窗口，以非重叠的方式将连续振动信号划分为多个样本片段。此长度足以捕捉轴承故障的周期性冲击，分段过程如图5-2所示。

图5-2 信号分段示意图

基于轴承故障机理，从每个信号片段中提取了时域、频域和时频域三类共28个特征指标，力求全面刻画信号在不同维度下的状态。所提取的特征名称、类别及其物理意义如表1所示。这些特征共同构成了一个高维特征向量，作为后续诊断模型的输入。

通过上述系统性的处理，我们将原始的振动时间序列转化为一个包含丰富状态信息的特征数据集，为后续实现高精度的源域故障诊断及向目标域的迁移奠定了可靠的数据基础。

阅读原文进群获取完整内容及更多AI见解、行业洞察，与900+行业人士交流成长。

相关文章

DeepSeek、LangGraph和Python融合LSTM、RF、XGBoost、LR多模型预测NFLX股票涨跌|附完整代码数据

原文链接：https://tecdat.cn/?p=44060

特征后处理与数据标准化

在完成多域特征提取后，对初步构建的特征集进行了系统后处理。通过数据清洗流程，对异常值和无效样本进行了识别与剔除。基于Z-score方法，对每个特征维度进行了异常值检测，设定阈值为±3σ。此外，对分类变量进行了独热编码，将其转换为数值形式，便于模型处理。

接下来，为消除不同特征量纲和数值范围差异带来的影响，对所有数值型特征进行了Z-score标准化处理。处理后的特征均值为0，标准差为1，有效避免了某些大数值特征在模型训练中占据主导地位的问题。

特征筛选与优化

采用多准则特征选择方法，综合相关性分析、ANOVA分析和随机森林重要性评估，筛选出最具判别力的特征子集。

图5-3 特征相关性热力图

如图5-3所示，展示了特征相关性热力图，揭示了特征间的冗余关系。我们观察到，部分时域统计特征之间存在高度相关性，例如驱动端的峰峰值与标准差呈强正相关。这从物理意义上易于理解：信号的波动幅度增大，其极值差通常也会同步增大。保留高度相关的多个特征，相当于给模型提供了重复信息，不仅无益于提升性能，反而可能引入多重共线性问题。因此，在后续筛选中，我们从每一组高度相关的特征中，优先保留与故障机理关联更直接或判别能力更强的单一特征。