一种在噪声环境和小样本条件下，通过多源信息融合实现的可解释智能故障诊断方法，适用于旋转机械 毛高雷（Gaolei Mao）、 王金华（Jinhua Wang）和 孙亚丽（Yali Sun）

《Sensors》：An Explainable Intelligent Fault Diagnosis for Rotating Machinery via Multi-Source Information Fusion Under Noisy Environments and Small Sample Conditions Gaolei Mao, Jinhua Wang and Yali Sun

　　摘要 在现代工业系统中，旋转机械的故障诊断对于确保设备的安全运行至关重要。然而，实际的故障数据通常受到噪声的污染，而且不同故障条件下的样本数量稀缺，这使得有效的特征提取变得具有挑战性。此外，单一传感器的测量提供的信息有限且不完整，进一步降低了诊断模型的准确性和可靠性。为了解决这些挑战，本文提出了一种在噪声环境和样本量较少条件下，通过多源信息融合实现的可解释智能故障诊断方法。首先，开发了一个多传感器数据智能融合模块（MSDIFM）。它利用连续小波变换（CWT）将多传感器振动信号转换为时频图。然后，通过基于方差的动态加权策略进行像素级跨通道融合，生成一个统一的融合图，从而自适应地突出高信息量的通道。其次，提出了一种多维自适应非对称软阈值残差收缩块（MASRSB），以实现正负特征的不同和动态阈值控制，增强表示能力和区分能力。第三，设计了多尺度Swin Transformer（MSSwin-T）。该模块通过扩展多级感受野、加强关键通道表示以及增强跨窗口特征交互，显著提高了模型的特征提取能力。最后，为了验证所提出方法的有效性，在凯斯西储大学（CWRU）数据集和自创建的PT890数据集上进行了实验。结果表明，该方法在噪声条件下和样本量较少的情况下表现出出色的诊断性能和鲁棒性。

1. 引言
随着信息时代和智能制造的发展，旋转机械在交通、能源系统和过程工业等关键领域得到了广泛应用。作为核心支撑和传输组件，滚动轴承的健康状况直接决定了机器的运行安全和效率[1,2,3]。故障可能导致计划外停机、设备损坏、人员伤亡和巨大的经济损失[4,5]。因此，快速可靠的轴承故障诊断具有重要的工程价值和实际紧迫性[6]。
在设备状态监测和故障诊断中，传统方法强调基于信号处理的特征工程。对于原始振动或电流信号，常见的处理方法包括：傅里叶变换主要用于信号的频域分析。通过将时域信号转换为频域信号，它可以识别信号中的周期性成分和特征频率[7]。使用经验模态分解（EMD）对非平稳信号进行自适应分解，可以提取瞬时能量和瞬时频率等局部指标[8]。小波变换能够在时频域进行多尺度分析，提供信号的详细局部特征描述，并突出瞬态影响和局部损伤特征[9]。在此基础上，研究人员通常识别与故障高度相关的特征，并将它们与分类器结合以提高诊断准确性。Tang等人[10]开发了一种基于监督K最近邻（KNN）的故障诊断方法，在风力涡轮机上实现了98.9%的诊断准确性。Li等人[11]使用包络谐波噪声比（EHNR）和谱熵作为标准，联合估计了故障周期和滤波器长度。Wang等人[12]提出了一种基于时频分析的故障诊断方法，并在两个数据集上进行了验证，显示出对噪声的强鲁棒性。尽管上述方法能够准确识别故障类型，但它们严重依赖于手工制作的特征和经验调整的参数，导致在不同运行条件下的性能漂移和泛化能力有限。近年来，深度学习逐渐兴起，用端到端表示学习取代了手工制作的特征。它可以直接从原始信号或时频图中自适应地提取特征，在故障诊断领域展现出广阔的应用前景。
作为代表性的深度学习架构，卷积神经网络（CNNs）[13]具有自适应特征学习能力，并在故障诊断方面取得了显著成功。Wang等人[14]提出了一种自适应去噪卷积神经网络（ADCNN），其中集成了自适应去噪单元。这种方法在抑制噪声的同时保留了显著的故障特征，从而消除了手动配置去噪函数的需要，并提高了故障诊断效率。Wang等人[15]使用Andrews图将多变量过程数据转换为类似曲线的表示，并利用CNN实现智能过程故障诊断。这种方法有效减少了对手动特征设计的依赖，并提高了诊断性能。Zhang等人[16]基于最小模态重叠标准，对自适应多变量变分模态分解（AMVMD）参数进行了自适应优化。他们首先对振动信号进行分解以减少噪声，然后使用多尺度卷积神经网络进行特征提取和分类。Feng等人[17]结合了时频注意力、LMMD子域对齐和对比局部对齐，提出了一种无监督的子域对比适应方法，提高了在未标记目标域条件下的跨域诊断能力。Liang等人[18]引入了一种多尺度动态自适应残差网络，其中基于注意力的多尺度卷积在线调整权重以加强特征提取。然而，随着网络深度的增加，仍然可能出现梯度消失问题，限制了基于CNN的智能诊断的训练稳定性和整体性能。残差神经网络（ResNets）[19]引入了身份快捷连接，绕过了中间层，从而在反向传播过程中保持了梯度流动。这种设计大大减轻了深度CNN中的梯度消失问题，并因其稳定的性能而被广泛用于滚动轴承故障诊断。Wu等人[20]提出了一种时频残差卷积神经网络（TFRCNN），其在时间和频率域中具有双分支，可以独立提取特征，从而提高了表示的完整性。他们引入了定制的残差单元以减轻深度网络中的退化，并使用全局平均池化来促进模型稀疏性并提高泛化能力。Lad等人[21]开发了一种用于端到端表征电机故障数据的深度神经网络，揭示了传统方法难以捕捉的细粒度特征。然后他们使用多个支持向量机（SVMs）进行决策级融合，从而增强了判别能力并实现了鲁棒的故障诊断。Tong等人[22]提出了以下两个模块：伪软阈值和自适应斜率，以抑制信号失真。基于这些模块，他们构建了一个改进的残差收缩单元，可以自适应地设置阈值和斜率，在高噪声场景中表现出更大的鲁棒性。Zhuang等人[23]基于改进的多尺度残差网络设计了一个故障诊断框架，增强了来自不同模态的信号的特征保留能力，并在噪声抑制和识别性能上取得了改进。Zhu等人[24]将四个一维传感器信号合并为一个信号，并使用深度Q网络进行特征学习，证明了即使在样本量较少的情况下，这种方法也能保持良好的诊断性能。Shao等人[25]采用了一个双阈值注意力引导框架，使生成对抗网络（GAN）在训练期间优先关注全局相关的热信息，从而提高了生成图像的质量。Chen等人[26]构建了一个结合CNN和Transformer架构的生成器框架，使用微增强和合成少数类过采样策略来同时扩展数据集并提高其多样性。总之，尽管多传感器故障诊断方法取得了一定的成果，但在噪声条件和数据样本有限的场景下实现高效特征提取和准确故障诊断仍面临挑战。
因此，为了解决在噪声环境和样本量较少条件下诊断准确性和可靠性下降的问题，本文提出了一种基于可解释多源信息融合的小样本条件下的智能滚动轴承故障诊断方法。本文的主要贡献如下：
(1) 与常用的多传感器融合策略相比，我们提出了MSDIFM。它将每个传感器信号转换为CWT时频图，并通过像素级融合进行基于方差的通道加权，生成一个统一的融合图。这种设计明确强调了信息丰富的传感器，同时抑制了信息较少或受噪声影响的通道。此外，学习到的权重为解释传感器的功能提供了清晰的基础。
(2) 与通常采用对称阈值和有限收缩行为的传统残差收缩块相比，我们构建了MASRSB。它集成了多尺度特征提取模块、双注意力非对称阈值块、自适应阈值斜率模块和极性感知的自适应非对称软阈值函数。通过分离正负响应并进行动态阈值和斜率调整，MASRSB能够在抑制噪声的同时更好地保留弱但具有区分性的故障成分。
(3) 与直接将vanilla Swin-Transformer块应用于时频图像相比，我们为故障诊断设计了一种定制的多尺度Swin Transformer（MSSwin-T）。具体来说，多尺度前馈网络（MS-FN）结合了深度卷积和双注意力，以增强通道聚合并在多个尺度上扩展感受野，而移位窗口多头自注意力（SWHSA）采用了改进的窗口移位策略来加强跨窗口特征交互。这些改进共同提高了在噪声和样本量较少条件下的特征提取和泛化能力。
本文的其余部分组织如下。第2节回顾相关理论。第3节介绍所提出的方法。第4节提供实验验证和分析。第5节总结本文。

2. 相关理论
2.1. 连续小波变换（CWT）
滚动轴承振动是一种典型的非平稳信号，表现出复杂的时间-频率特性。在时频分析技术中，CWT[27]能够高效地将一维时间序列信号映射到二维时频图。该方法提供了强大的多尺度特征提取能力，准确地表征了时间和频率尺度上的特征分布，并表现出强烈的局部化特性，特别适合分析非平稳信号。利用这些优势，我们使用CWT将一维振动信号转换为二维时频图，从而能够精确提取滚动轴承的故障特征。

2.2. Transformer
Transformer由Vaswani在2017年提出。它采用编码器-解码器架构来处理序列到序列的任务。编码器将输入序列映射到潜在表示，而解码器根据编码表示和先前生成的标记逐步生成目标序列。图1展示了整体架构。在Transformer中，编码器和解码器共享许多结构组件。两者都结合了多头自注意力（MHSA）和前馈网络，同时还使用了层归一化和残差连接。图1. Transformer架构示意图。

3. 提出的方法
3.1. 多传感器数据智能融合模块（MSDIFM）
在旋转机械的振动数据采集过程中，通常会部署多个传感器进行同步数据收集。然而，许多现有的诊断方法仍然依赖于单个传感器或多通道直接叠加，这可能会稀释对故障敏感的通道并在噪声下引入冗余。为了获得更丰富和更可靠的表示，我们提出了MSDIFM，如图2所示。MSDIFM为不同的传感器分配数据驱动的可靠性权重，并对CWT时频图进行像素级融合，从而构建了一个明确且可解释的多源融合表示。该模块包括以下关键步骤。图2. MSDIFM的架构。首先，对每个传感器的数据应用CWT，将其一维信号转换为二维时频图像。然后，计算每个传感器CWT图像的绝对值并进行归一化，将像素值映射到[0, 1]范围内，得到单个传感器像素矩阵。接下来，计算每个传感器数据段的方差作为动态加权指标，为每个通道生成归一化的权重系数。随后，将这些通道权重应用于时频图中每个传感器的像素强度矩阵进行像素级融合，构建多源信息融合矩阵。最后，将融合的像素矩阵映射以生成统一的多传感器融合时频图像。
现有的融合策略，如通道堆叠或决策级融合，通常隐含地假设传感器之间的可靠性相当。相比之下，MSDIFM为每个传感器段分配基于方差的权重，并对相应的CWT图进行像素级融合，从而明确增强了对故障敏感通道的放大，同时减弱了信息较少的通道。此外，学习到的权重是可视化的，为每个传感器的贡献提供了直接和可解释的证据。

3.2. 多维自适应非对称软阈值残差收缩块（MASRSB）
传统的软阈值残差收缩块应用软阈值函数，将阈值带内的系数置零，并将阈值带外的系数缩放到零。虽然这种操作鼓励了稀疏性并提高了计算效率，但它也可能去除微妙但重要的信息，特别是在需要保留低幅度特征的任务中。此外，故障信号中正负特征的分布可能不同。在传统设计中，使用单一的全局阈值可能会阻碍非对称和细粒度特征的学习。因此，我们提出了MASRSB，其模块架构如图3所示。该模块包括一个自适应非对称软阈值函数、一个多尺度特征提取模块、一个双注意力非对称阈值块和一个自适应阈值斜率模块。图3展示了MASRSB的架构。3.2.1 自适应非对称软阈值函数（ASTF）传统的残差收缩网络使用软阈值函数，该函数将阈值范围内的系数置零，并将阈值外的系数向零收缩。传统的软阈值函数由公式（1）给出：???(??)={sgn?(??)·(|??|???)|??|≥??0|??|
输入：训练集???????????????? = {????,????}????=1和测试集????????????? = {????}????=1
输出：测试数据集上的故障诊断结果{????}????=1

初始化：使用随机值初始化MSDIFM、MASRSB、MSSwin-T和分类器的参数。

前向传播
1. 对于epoch = 1到epochs，执行以下操作：
2. 通过MSDIFM生成融合的时频图像
3. 对输入网络的时频图像进行前向计算
4. 计算交叉熵损失函数
结束

反向传播
使用Adam优化器计算网络梯度并更新网络参数
直到epoch = epochs

使用训练好的神经网络进行故障诊断

4. 实验和结果分析
为了验证所提方法的有效性和泛化能力，本文采用了以下两个轴承数据集：CWRU [28]轴承数据集和自创建的PT890轴承数据集。

4.1. CWRU数据集验证结果和分析
4.1.1. 数据集描述
为了评估所提模型的故障诊断性能，我们使用了CWRU提供的轴承数据集。该数据集来自美国的CWRU。测试轴承为SKF 6205，采样频率为12 kHz。故障是通过电火花加工制造的，直径分别为0.007英寸、0.014英寸和0.021英寸。包括四种轴承状态：正常、球体故障、内圈故障和外圈故障。数据在四种工作条件下收集：0HP、1HP、2HP和3HP，通过改变负载和速度。根据故障的位置和大小，本文为每种工作条件选择了五种故障状态进行实验，具体的故障和标签如表1所示。表1. CWRU的划分。对于每种故障类型，生成200张多通道数据融合图像：50张用于训练，50张用于验证，100张用于测试。为了评估在有限样本条件下的故障诊断性能，每个类别随机抽取了4个子集，大小分别为10、20、30和50。每个子集与相同数量的验证样本配对，而测试集保持每个故障类型100个样本。

4.1.2. 数据预处理
假设有??个传感器，数据表示为??1、??2、…、????，数据处理的主要步骤如下：
步骤1：数据归一化。为了防止数据集中的异常值影响故障诊断，使用以下数学表达式对来自??个传感器的数据进行归一化。
??′=?????min?(????)max?(????)?min?(????) (11)
其中??′表示归一化后的数据，????表示原始数据，min?(????)表示????的最小值，max?(????)表示????的最大值。
步骤2：通过将来自??个传感器的数据并行组合成矩阵来进行数据融合，得到数据融合矩阵：
??=[??′1?|??′2|…??′??|] (12)
步骤3：通过对每个传感器采样的数据应用重叠滑动窗口采样方法进行数据分割。窗口大小为1024，步长为64。这种方法有效地增加了样本数量。
步骤4：执行动态权重计算。计算每个传感器数据段的方差作为动态权重的基础。首先，计算每个传感器的方差为??1、??2…????。为了确保权重之和为1，对每个传感器的方差进行归一化。归一化后的方差成为每个传感器的权重，计算方法如下：
总方差为?? =??1 +??2 +… +????，每个传感器的权重为??1 =??1??、??2 =??2??、…、???? =??????。
步骤5：生成融合的多传感器二维图像。对每个传感器的数据进行CWT转换，将一维信号转换为二维图像。然后，根据每个传感器的动态权重应用动态加权，得到融合的多传感器二维图像。

在这个实验中，融合了来自三个通道的加速度数据，即驱动端加速度数据（DE）、风扇端加速度数据（FE）和基座加速度数据（BA），构建了五个对应于五种典型故障的二维时频图像，如图8所示。从左到右，这五个图像分别对应于球体-0.007、内圈-0.007、内圈-0.014、外圈-0.014和外圈-0.021。不同类型的故障和损伤程度在时频能量分布上表现出明显的差异，从而为后续的故障识别提供了清晰的特征模式。

4.1.3. 在噪声和少量样本条件下的故障诊断结果和分析
在工业环境中，旋转机械通常在噪声环境中运行，干扰会掩盖故障特征。因此，在噪声条件和样本量有限的情况下进行故障诊断具有挑战性。为了评估该方法在小样本和噪声条件下的性能，我们使用了四种工作条件下的多传感器数据融合图像。小样本设置包括每个类别10、20、30和50个样本。我们在信噪比（SNR）为5、10和15 dB的情况下添加高斯白噪声，而SNR标签为无表示没有添加噪声。为了确保公平比较，每个实验重复五次，并报告每次运行的平均值。图9显示了所有四种工作条件的结果。图9. 故障诊断结果：(a) 0HP；(b) 1HP；(c) 2HP；(d) 3HP。如图9所示，当每个故障类别只有10个样本时，在添加10 dB高斯白噪声后，四种工作条件下的诊断准确率分别下降到72.63%、71.74%、71.56%和75.38%。这种下降主要是由于样本量有限，噪声掩盖了原始信号中的故障相关特征，导致网络只学习了一组狭窄的特征。在没有添加噪声的情况下，四种工作条件下的诊断准确率分别为99.23%、98.87%、99.12%和98.84%。这种改进源于所提方法的智能多传感器数据融合，它提高了数据质量，使网络能够学习更丰富的故障特征，从而提高了诊断准确率。随着样本量的增加，所有设置下的诊断准确率都一致提高。当每个故障类别有50个样本且SNR为10 dB时，平均准确率在所有四种工作条件下都超过了98%；在没有添加噪声的情况下，准确率在所有情况下都达到了100%。这些结果证明了所提方法具有很强的噪声鲁棒性和出色的泛化能力。

为了直观评估诊断性能，我们在分类层应用t-SNE，样本量为每个类别20个实例，负载水平为1 HP和2 HP。结果如图10所示。在SNR = 5 dB时，t-SNE嵌入显示簇分离较弱，所有五种故障类型都表现出不同程度的误分类。这表明噪声掩盖了故障特征，导致特征学习不足。随着SNR的增加，噪声干扰减少，有助于特征提取；例如，图10b、c显示了簇的紧凑性和分离度有所提高。在没有添加噪声的情况下，所提方法表现出强大的故障分类能力：相同类型的故障紧密聚集，而不同类型的故障保持良好分离，没有观察到误分类。图10d、h中的聚类结果是最佳的，突出了该方法在小样本条件下的优越诊断性能。

4.1.4. 在小样本条件下的比较实验结果和分析
在实际环境中，获取足够的故障样本往往很困难。因此，故障诊断方法在样本量有限的情况下保持高准确率至关重要。为了评估小样本数据对诊断准确率的影响，我们将它们与以下基线方法进行了比较：MDCNN [29]通过马尔可夫转移场（MTF）将振动信号转换为二维图像，并基于多维注意力机制构建故障诊断模型，从而在小样本条件下实现故障分类。SC-MSCNN [30]将振动信号映射到二维MTF图像，并构建多尺度CNN用于滚动轴承故障诊断。MTF-ResNet [31]通过MTF将振动信号映射到二维图像，并使用深度ResNet进行故障识别，同时保留时间依赖性。CovMNeT [32]使用协方差度量网络，通过保持样本分布特性来提高小样本学习性能。MLKFE [33]结合基于Transformer的模型集成和Mahalanobis度量学习，以利用多尺度特征，从而在小样本条件下实现轴承故障诊断。我们将每个类别的轴承故障样本数量改为10、20、30和50。使用2 HP工作条件下的数据进行测试。我们将我们的方法与这五种方法进行性能评估。为了更全面地分析所提方法的性能，我们使用了准确率、精确度、召回率和F1分数作为评估指标。表2报告了实验结果。表2. 不同样本量下不同方法的故障诊断准确率比较。如表2所示，增加故障样本数量可以提高所有方法的性能。当测试集样本数量从10增加到50时，所有方法在准确率、精确度、召回率和F1分数方面都显示出显著提高。我们全面评估了不同方法在小样本条件下的故障诊断性能。在所有样本量下，所提方法在四个评估指标（准确率、精确度、召回率和F1分数）上始终表现出最佳结果，显示出出色的小样本学习能力和鲁棒性。对于每个类别，从测试集中选择了10个样本。所提方法的平均故障诊断准确率为97.46%，精确率为97.37%，召回率为97.54%，F1分数为97.45%。相比之下，MTF-ResNet、CovMNeT、MDCNN、MLKFE和SC-MSCNN的平均故障诊断准确率分别为80.58%、70.86%、76.52%、85.53%和78.83%。随着样本数量的增加，所有方法的诊断性能都有所提高。此外，所提方法在保持高准确率、高召回率和高F1分数的同时，进一步提高了其准确率。当每个故障类别的样本数量为50且SNR为10 dB时，所有四种工作条件下的平均准确率均超过98%；在没有添加噪声的情况下，所有情况下的准确率都达到了100%。这些结果证明了所提方法在噪声鲁棒性和泛化能力方面的优势。

为了直观评估诊断性能，我们在负载水平为1 HP和2 HP的情况下，对每个类别有20个实例的样本应用t-SNE。结果如图10所示。在SNR = 5 dB时，t-SNE嵌入显示簇分离较弱，所有五种故障类型都表现出不同程度的误分类。这表明噪声掩盖了故障特征，导致特征学习不足。随着SNR的增加，噪声干扰减少，有助于特征提取；例如，图10b、c显示了簇的紧凑性和分离度的提高。在没有添加噪声的情况下，所提方法表现出强大的故障分类能力：相同类型的故障紧密聚集，而不同类型的故障保持良好分离，没有观察到误分类。图10d、h中的聚类结果是最佳的，突出了该方法在小样本条件下的优越诊断性能。

4.1.5. 不同时频方法对结果的影响
为了评估图像生成选择对故障诊断性能的影响，本实验使用了1 HP的球体-0.007故障数据来评估四种技术：短时傅里叶变换（STFT）、递归图（RP）、MTF和Gramian角和场（GASF）。STFT、RP、MTF和GASF生成的代表性特征图如图12所示。图12. 不同生成方法的时频域图像：(a) STFT；(b) RP；(c) MTF；(d) GASF。多传感器信号通过上述四种图像生成方法转换为多通道融合图。这些融合图随后被输入到所提出的方法网络中进行训练和测试。小样本划分与CWT实验中使用的划分相匹配。图13报告了故障诊断结果。如图13所示，每个类别有10个样本时，MTF图的平均诊断准确率为78.63%，是五种方法中最低的。STFT、RP、GASF和CWT的平均诊断准确率分别为97.56%、93.67%、92.93%和99.53%。这些结果表明，通过连续小波变换将多传感器信号转换为融合图能够更好地保留时频信息。因此，所提出的网络学习了更丰富的故障特征，从而提高了诊断效果。图13. 不同方法生成的特征图的故障诊断结果。

4.1.6. 噪声条件下的多传感器数据融合分析
在工业环境中，旋转机械在恶劣的环境中运行，原始信号受到噪声污染，单个传感器往往无法捕获足够的信息。为了评估智能多传感器数据融合模块在噪声下的多通道特征融合效果，本文进行了1通道、2通道和3通道输入实验。这里，DE代表X轴，FE代表Y轴，BA代表Z轴。图14展示了实验设计和结果。图14. 多传感器数据诊断结果。实验使用了50个0 HP的故障样本；添加了信噪比为10 dB的高斯白噪声来模拟现实世界条件。在图14中，单个传感器输入的X轴、Y轴和Z轴的诊断准确率分别为96.87%、96.68%和95.56%。这些结果表明，在噪声环境下，单个传感器输入难以识别所有类型的故障，导致一些误分类。BA的表现最差，可能是因为其传感器安装在机器底部，那里的振动幅度较低。相比之下，DE和FE传感器安装在轴承壳体的相对两侧，捕获了更多互补的故障信息。使用两个通道输入时，任何传感器组合的性能都超过了单个传感器输入。最佳的两通道结果是DE和FE传感器，准确率为98.35%。使用三个传感器输入时，准确率达到了99.32%，几乎没有误分类。这些结果表明，随着输入通道数量的增加，诊断准确性也随之提高。这证明了所提出的智能多传感器数据融合模块能够有效地融合互补特征，同时抑制噪声和无关信息。

4.1.7. MSDIFM权重可视化和解释分析
为了评估所提出的MSDIFM的适应性和解释能力，为五种故障类别生成了融合权重热图，如图15所示。热图的行对应于三个通道传感器，而列代表样本数量。颜色越暖表示该通道在融合过程中的权重越大。权重是通过动态加权机制获得的，其中通道活动通过分段方差来表征。经过归一化后，这些权重被应用于像素级别的融合。总体而言，不同故障类型的权重分布显示出显著的变化。颜色带沿着水平轴形成连续的条带，而不是随机散布的点，表明权重估计稳定且没有单一通道的崩溃。图15. 权重可视化结果：(a) ball；(b) inner-0.007；(c) inner-0.014；(d) outer-0.014；(e) outer-0.021。在类别性能方面，ball-0.007类别在多个样本段中显示出DE的持续增加，表明DE的滚动冲击响应更强。inner-0.007和inner-0.014都显示出DE的显著优势，随着故障尺寸从0.007英寸增加到0.014英寸，高权重从离散片段扩展到更长的连续带，BA和FE相对被抑制。outer-0.014显示出由FE形成的最强权重带，而DE和BA显示出显著较低的值，这与经验观察一致，即外部故障与框架的耦合更强。当故障发生在outer-0.021时，负载从FE适度转移到DE，并在多个通道上同时增加。这表明诊断准确性随着输入通道数量的增加而提高。这证明了所提出的智能多传感器数据融合模块能够有效地融合互补特征，同时抑制噪声和无关信息。

4.1.7. MSDIFM权重可视化和解释分析
为了评估所提出的MSDIFM的适应性和解释能力，为五种故障类别生成了融合权重热图，如图15所示。热图的行对应于三个通道传感器，而列代表样本数量。颜色越暖表示该通道在融合过程中的权重越大。权重是通过动态加权机制获得的，其中通道活动通过分段方差来表征。经过归一化后，这些权重被应用于像素级别的融合。总体而言，不同故障类型的权重分布显示出显著的变化。颜色带沿着水平轴形成连续的条带，而不是随机散布的点，表明权重估计稳定且没有单一通道的崩溃。图15. 权重可视化结果：(a) ball；(b) inner-0.007；(c) inner-0.014；(d) outer-0.014；(e) outer-0.021。在类别性能方面，ball-0.007类别在多个样本段中显示出DE的持续增加，表明DE的滚动冲击响应更强。inner-0.007和inner-0.014都显示出DE的显著优势，随着故障尺寸从0.007英寸增加到0.014英寸，高权重从离散片段扩展到更长的连续带，BA和FE相对被抑制。outer-0.014显示出由FE形成的最强权重带，而DE和BA显示出显著较低的值，这与经验观察一致，即外部故障与框架的耦合更强。当故障发生在outer-0.021时，负载从FE适度转移到DE，并在多个通道上同时增加。这表明强烈的外部冲击沿着双重路径传播：壳体和轴系统。

上述模式与结构振动机制一致，表明MSDIFM能够根据通道贡献实现自适应融合。热图显示出稳定的颜色刻度和时间连续性，进一步验证了权重估计的稳定性和鲁棒性，同时为后续的传感器选择和部署优化提供了基础。实验结果还表明，该模块具有显著的自适应调整能力。在相同的故障条件下，它能够智能地权衡每个信号源对状态识别的相对贡献，为不同通道分配不同的权重。根据其表示能力，可以为同一信号源在不同健康状态下动态调整权重，从而实现跨故障的适应。总体而言，MSDIFM在轴承故障诊断中表现出出色的有效性和解释能力。

4.1.8. 基于SHAP的热图解释分析
图16显示了每个故障类别在不同时间步长的平均绝对SHAP值分布。颜色越亮，表示该时间步长对该类别分类的贡献越大。外部故障显示出稀疏但尖锐的亮峰，表明可以从有限数量的时间位置获得强有力的证据。随着故障尺寸从0.014英寸增加到0.021英寸，亮度和峰值稳定性进一步增强，这与外部固定负载区域触发的周期性冲击机制一致。ball故障显示出中等强度的散布热点，需要模型在多个段中积累证据以进行识别。内部故障整体上显得更平滑：inner-0.007的贡献较弱，连续性较高，表明具有更多隐藏的特征或其他类别的共有特征。当尺寸增加到inner-0.014英寸时，更明显的间歇性亮带出现，表明故障的加剧增强了可分离性。图16. 基于SHAP的故障类别-时间步长热图。总体而言，基于时间的SHAP归属结果表明，模型选择性地关注与物理机制一致的关键时间段。外部故障表现为尖锐的点状峰值；滚动故障的证据显得分散；内部故障从弱、平滑的模式转变为间歇性增强。该图阐明了“何时以及为何将故障分类为特定类型”，为后续故障诊断提供了基础。由于热图逐行显示每个故障类别，每一行都清楚地指示了对该类别贡献最大的时间位置。这种依赖模式与轴承的传统冲击机制一致，进一步验证了模型在关键时间段关注高贡献证据的机制。这增强了模型的解释能力。

4.1.9. 使用基于遮挡的时空热图的解释分析
如图17所示，展示了一个基于遮挡的时频热图，用于分析CWRU数据集中五种故障（ball-0.007、inner-0.007、inner-0.014、outer-0.014和outer-0.021）的区分标准。遮挡热图是使用遮挡敏感性方法生成的。一个大小为8、步长为4的滑动窗口应用于网络输入的时频图，逐步消除局部区域。记录了目标故障类别的预测概率相对于完整样本的减少情况。通过计算所有窗口位置的概率减少的累积平均值，并将结果归一化到(0, 1)区间，我们获得了每个像素的重要性分数。分数值越高，表示当该区域被遮挡时，预测目标故障类别的信心越弱，这使得对该类别的分类更加关键。图17. 基于遮挡的时空热图：(a) ball-0.007；(b) inner-0.007；(c) inner-0.014；(d) outer-0.014；(e) outer-0.021。如图17所示，不同故障类型和故障尺寸的敏感区域分布在时频域中存在显著差异。对于ball-0.007，热图在中频和中后期时间域显示出相对分散的亮点，表明模型必须整合多个分散的冲击特征片段以完成滚动故障的识别。在inner-0.007中，显著区域主要集中在中频带的块状区域内，显示出相对紧凑的空间分布。这表明模型对这种故障类型的区分证据更为集中。随着内部故障尺寸增加到inner-0.014，突出区域的幅度和覆盖范围显著改善，在低至中频形成更连续的热点带。这表明网络主要使用较强的周期性冲击能量作为主要区分标准。相比之下，outer-0.014的遮挡时频热图显示出更典型的水平带结构，明亮区域沿着特定频率带连续分布，而其他带显示出较弱的响应。这表明外部故障的检测主要依赖于相对稳定的共振频率带的特征。随着故障进一步恶化到outer-0.021，高敏感区域在时间和频率域中显著扩展。在低频和高频之间的边界处出现一个更明显的亮块，表明严重的外部故障对振动响应有显著影响。模型的决策模式从依赖局部特征演变为全面描述和利用全局冲击模式。总体而言，基于遮挡的时频热图的结果表明，所提出的模型在做出诊断决策时有效地关注与故障机制密切相关的冲击能量集中特征，而不是随机噪声或缺乏物理意义的区域。同时，不同故障类型和尺寸对应的敏感区域的独特模式显示出出色的区分能力，从而验证了构建的故障诊断模型的物理合理性及其诊断结果的可靠性。

4.1.10. 消融实验的结果
为了验证每个模块的贡献及其对故障诊断结果的影响，本实验建立了几种不同的网络结构：方法1表示使用单个传感器数据生成图像，以替代多传感器数据图像的智能融合；其他网络结构保持不变。方法2表示在保持网络结构不变的情况下，用MASRSB替换了传统的残差收缩块；其他网络结构保持不变。方法3表示使用基本的Swin Transformer替换了多尺度Swin Transformer；其他网络结构保持不变。在这个实验中，选择了0HP下的实验数据。当每个故障的训练集数量为20个时，实验结果如表3所示。表3. 不同方法的故障诊断准确性。如表3所示，从单个传感器数据生成的特征图像在无噪声条件下实现了98.35%的故障诊断准确性，表明具有令人满意的诊断能力。然而，在引入噪声后，性能显著下降：在SNR = 5 dB时，诊断准确率降至73.82%，而所提出的方法仍达到88.56%。这些结果表明，通过智能多传感器数据融合获得的时频图像可以更全面地描述与故障相关的振动特征，使网络即使在严重噪声干扰下也能学习更丰富的故障特征。在SNR = 10、15和20 dB时，方法2的故障诊断准确率分别为82.56%、93.28%和97.63%，而所提出的方法分别达到88.56%、96.32%和98.78%。这些结果表明，MASRSB提供了更强的抗噪声能力。在SNR = 5 dB时，方法3的平均故障诊断准确率降至68.73%，其在其他噪声条件下的诊断性能也低于所提出的方法。这些结果表明，所提出的多尺度Swin Transformer通过学习深度、具有区分性的故障特征提高了故障诊断性能。

4.2. 自建PT890数据集
4.2.1. 数据集描述
为了进一步验证所提出模型的故障诊断性能，使用自建的PT890轴承故障实验平台的数据集进行了验证。该设备由中国苏州的Valenian公司制造。如图18所示，实验平台包括2.2 kW的电机、轴承单元、加载装置和其他组件。测试的轴承型号是UPH206。数据以10 kHz的采样频率收集。传感器沿X轴、Y轴和Z轴捕获数据。故障尺寸包括0.09英寸、0.14英寸、0.25英寸和0.28英寸。识别出五种轴承状态：正常状态、球体故障、内圈故障、外圈故障和复合故障。在正常状态下模拟了五个位置，并在1825转/分钟、1600转/分钟、1375转/分钟和1150转/分钟的旋转速度下获取信号。图18显示了PT890数据集的实验台。根据故障的位置和大小，本文选择了每种工作条件下的五种故障状态进行实验，具体的故障和标签如表4所示。所有其他设置与CWRU数据集保持一致。表4. PT890数据集的划分。

4.2.2 小样本故障诊断结果
为了评估小样本情况下的泛化能力，实验选择了1825转/分钟、1600转/分钟、1375转/分钟和1150转/分钟的旋转速度进行测试。结果如表5所示。表5. 故障诊断结果。如表5所示，当使用实验室生成的数据集时，所提出方法的总体准确率略有下降。每类有10个样本时，四种旋转速度下的平均准确率分别为97.63%、97.78%、97.46%和97.84%。每类有50个样本时，四种旋转速度下的平均准确率分别达到99.84%、99.87%、99.78%和99.89%。这些结果表明，该方法即使在小样本条件下也能保持较强的泛化能力。

4.2.3 小样本条件下的比较方法分析
为了进一步验证所提出方法在小样本量条件下的优越性，在1600转/分钟的速度下进行了比较实验，并将其与五种先进方法进行了对比。使用四个指标（准确率、精确度、召回率和F1分数）全面评估了诊断性能。实验结果如表6所示。表6. 不同样本量下不同方法的故障诊断性能比较。总体而言，随着样本量的增加，所有方法的四个指标都呈现出上升趋势。当每种故障的测试样本量为10个时，所提出方法的准确率、精确度、召回率和F1分数分别为97.78%、97.67%、97.85%和97.76%。这些指标明显优于对比方法，证明了其在小样本条件下的出色诊断性能和稳定的区分能力。相比之下，MTF-ResNet、CovMNeT、MDCNN、MLKFE和SC-MSCNN的准确率分别为79.47%、67.75%、73.67%、90.63%和77.63%。随着故障样本数量的增加，所有方法的诊断性能都呈现出持续改进的趋势。当每种故障的测试样本量为50个时，所提出方法的准确率进一步提高到99.87%，精确度、召回率和F1分数分别达到99.84%、99.89%和99.86%，表明分类性能更加平衡和稳定。总之，上述比较结果充分证明了所提出方法在小样本滚动轴承故障诊断任务中的优越性及其良好的鲁棒性和泛化能力。

4.2.4 混淆矩阵结果分析
为了更直观地展示不同方法的故障诊断性能，在10/10/100条件下进行了混淆矩阵分析。图20展示了各种方法的混淆矩阵可视化结果。在图20中，每类只有10个样本时，MTF-ResNet、CovMNeT和MDCNN的误分类率显著增加，总体诊断准确率分别为79.57%、67.75%、73.67%和77.63%。这些结果表明，在小样本条件下，这些方法的区分能力有限。MLKFE的准确率达到90.63%，表明其在小样本条件下的性能仍然很强。所提出方法的准确率达到98.76%，显著高于基线方法。总体而言，所提出方法在小样本条件下具有较高的诊断准确率，并表现出优异的泛化能力。

4.2.5 基于SHAP的热图解释分析
图21展示了基于SHAP的故障类别-时间步长热图，其中每个故障类别的判别证据分布随时间显著变化。较亮的颜色表示在相应时间步长下该类别的平均绝对SHAP值较高。外圈故障在时间步长80和108附近显示出稀疏但尖锐的峰值，表明少数时间位置提供了强烈的判别证据。球体故障的热点分布相对分散，模型需要聚合多个中等强度的片段才能实现可靠识别。内圈故障的整体响应相对较弱且平滑，表明其特征较为隐蔽或与其他类别部分重叠。MLKFE有效区分了大多数类别，但类别0和3之间仍存在显著重叠，这可能是由于故障特征相似导致的。所提出方法在特征空间中清晰地分离了所有五个类别：相同类别的样本密集聚集，不同类别区分明显，未观察到误分类。这些可视化结果展示了强大的特征提取和区分能力。所提出方法在保持对相似故障的一致准确识别的同时，能够区分不同类型的故障。这些发现进一步验证了该方法在小样本条件下的可靠性和性能优势。

4.2.4 混淆矩阵结果分析
为了更直观地展示不同方法的故障诊断性能，在10/10/100条件下进行了混淆矩阵分析。图20展示了各种方法的混淆矩阵可视化结果。在图20中，每类只有10个样本时，MTF-ResNet、CovMNeT、MDCNN和SC-MSCNN的误分类率显著增加，总体诊断准确率分别为79.57%、67.75%、73.67%和77.63%。这些结果表明，在小样本条件下，这些方法的区分能力有限。MLKFE的准确率达到90.63%，表明其在小样本条件下的性能仍然很强。所提出方法的准确率达到98.76%，显著高于基线方法。总体而言，所提出方法在小样本条件下具有较高的诊断准确率，并表现出优异的泛化能力。

4.2.5 基于SHAP的热图解释分析
图21展示了基于SHAP的故障类别-时间步长热图，其中每个故障类别的判别证据分布随时间显著变化。较亮的颜色表示在相应时间步长下该类别的平均绝对SHAP值较高。外圈故障在时间步长80和108附近显示出稀疏但尖锐的峰值，表明少数时间位置提供了强烈的判别证据。球体故障的热点分布相对分散，模型需要聚合多个中等强度的片段才能实现可靠识别。内圈故障的整体响应相对较弱且平滑，表明其特征较为隐蔽或与其他类别部分重叠。复合故障显示出宽频带的持续亮度变化，反映了多源影响的累积，从而在较长时间跨度内提供了判别证据。正常样本的准确率始终较低，只有局部轻微的升高，这与缺乏显著影响特征的正常状态一致。

5. 结论
本文提出了一种在噪声环境和小样本条件下，通过多源信息融合实现旋转机械可解释智能故障诊断的方法。在所提出的方法中，设计了一种MSDIFM，采用动态加权对多传感器CWT时频图进行像素级融合。这种方法自适应地增强了高信息通道，同时提高了特征的可分性和识别鲁棒性。其次，构建了MASRSB来分离正负特征并应用动态阈值调整，从而有效增强了特征表示能力和区分性能。随后，设计了MSSwin-T骨干架构。在该框架内，MS-FN模块结合了不同核大小的深度卷积和双通道注意力机制，以突出关键信息并抑制冗余特征，从而增强了前向表示能力。同时，SWHSA模块通过方向性窗口移动和窗口重组加强了跨窗口交互，进一步提升了模型的整体表达能力。最后，在CWRU数据集和自建的PT890数据集上进行了实验验证。结果表明，在小样本条件下，所提出方法的平均诊断准确率达到99.26%，比现有方法提高了6.83%。即使在噪声干扰的小样本条件下，所提出方法的平均诊断准确率仍保持在94.58%。这些结果表明，所提出方法不仅有效提取了关键故障特征，还表现出优异的诊断性能和鲁棒性。尽管所提出方法在提高诊断性能的同时增加了模型的复杂性，但未来研究将重点关注模型的轻量化研究。