OSAP-KANFormer：基于同步转速与声学的变速轴承故障可解释诊断框架

《Sensors》：Interpretable Bearing Fault Diagnosis Using Synchronized Acoustic and Rotational-Speed Sensing Under Variable-Speed Conditions

　　

摘要

变速：运行会导致固定时长的声学帧覆盖不同的轴角，从而降低轴承故障特征的机械一致性。本研究提出OSAP-KANFormer，一种利用同步声学与转速测量的可解释诊断框架。等角重采样建立了共同的机械尺度，希尔伯特初始化的可学习解析层与互易交叉注意力模型建模幅度—相位信息。最终决策通过预测的物理概念和稀疏加法柯尔莫哥洛夫—阿诺尔德分类器。在源-记录分离评估下，该方法在固定速度基准上取得97.3%的Macro-F1，在已观测轴承实体的留一速度评估中达到92.4%。与ASFE-Transformer相比，在未观测速度下Macro-F1提高7.3个百分点，在恒速到变速迁移中提高9.2个百分点。一个单独训练的外部数据集评估在速度—负载—麦克风复合偏移下达到87.0%。十一个物理概念的平均预测R²为0.891。结果支持机械角对齐对变速诊断的贡献，并提供了显式的概念级决策路径。适用性仍取决于速度参考质量、概念覆盖范围以及评估的迁移设置。