自适应频率感知倒转Transformer：一种面向噪声鲁棒齿轮箱故障诊断的让模型自选频率的方法

《Sensors》：Let the Model Choose Its Own Frequency: An Adaptive Frequency-Aware Inverted Transformer for Noise-Robust Gearbox Fault Diagnosis

　　

在噪声工况下的齿轮箱故障诊断仍是工业状态监测中关键且未解决的挑战。主要挑战源于一个根本矛盾：故障特征存在于特定频率范围内，而标准深度学习模型处理原始振动信号时并不识别哪些频率相关；此外噪声在整个频谱上均匀影响。现有基于Transformer的振动分析方法将时间步作为令牌（token），因而无法捕获跨传感器依赖，而传统去噪方法采用固定滤波器，不能适应不同故障类型与噪声水平的谱特性变化。研究人员提出自适应频率感知倒转Transformer（AF-iTransformer），一种轻量Transformer框架，让模型基于每样本学习应关注哪些频率。具体而言，研究人员提出可学习的频谱滤波器，通过快速傅里叶变换（FFT）将输入信号变换至频域，随后基于信号统计量预测软频率掩码（soft frequency mask）并在通过逆FFT（iFFT）重建滤波信号前施加该掩码，从而动态抑制噪声频带同时保留故障相关谱内容。自适应滤波后，架构采用通道级令牌化将异构通道统一表示为输入令牌，依靠跨通道注意力自动学习各通道对故障诊断的差异化贡献。特征线性调制（FiLM）被引入以在每一编码器层注入信号级统计量。此外，框架利用残差注意力传播稳定深层训练，并辅以辅助频谱预测头在训练期提供频谱正则化。在含九类故障的UConn齿轮箱数据集上，AF-iTransformer在干净数据达99.63%准确率，在0 dB信噪比（SNR）下维持95.1%，在噪声条件下显著优于所有基线。在含五类故障的SEU齿轮箱数据集上，AF-iTransformer干净准确率99.74%。在2 GB边缘GPU上，AF-iTransformer单窗口推理时延7.3–13 ms，峰值内存低于17 MB，现代CPU上1.4–4.7 ms，确认其用于实时工业部署的可行性。

研究背景方面，齿轮箱是风电、直升机、矿卡、电动车及工业传动链的关键部件，非计划失效导致长时间停机与高昂维修成本。传统基于振动的故障诊断依赖人工设计信号处理（如FFT、包络分析、小波分解、时间同步平均），在受控实验中有效，但需专家针对每种故障与机型选频带，且固定滤波器在噪声基底高于故障特征时失效。深度学习端到端分类（如宽核CNN即WDCNN、多尺度CNN、深度残差收缩网络）避免了手工特征，但卷积在时域响应局部模式、无显式选频，多通道常简单拼接而非建模通道间依赖，SNR低于0 dB时特征图不可靠。Transformer类方法（ViT、Swin、YConvFormer）将时间轴作令牌轴，不天然支持多传感器跨通道注意力；原版iTransformer将变量（通道）作令牌适合多通道融合，但未针对旋转机械振动物理、无频率感知预处理与工况调节。核心洞察是：噪声下故障诊断本质是频率选择问题——故障能量集中于齿啮合频率（GMF）及其边带，噪声全谱均匀，故应让模型每样本自学软掩码选频而非用固定带通。

主要关键技术方法上，研究人员在UConn（单通道、9类故障、64 kHz、3600点/窗）与SEU（4通道行星齿轮箱、5类及扩展9类、51.2 kHz、1024点/窗）两数据集上，以记录会话级划分防泄漏，训练仅用干净数据、评估时注入AWGN/脉冲/谐波三类噪声做分布外测试；构建AF-iTransformer五级流水线：①自适应频率滤波器（FFT→由RMS、峰峰范围、谱质心等统计量经三层MLP预测样本专属软掩码，与可学习全局掩码按可学习门控融合，iFFT后残差门控融原信号）；②通道级令牌化（LinearStem将每通道滤波信号线性投至嵌入维并加传感器身份编码，遵iTransformer变量即令牌）；③带FiLM调制的Transformer编码器（FiLM由原始未滤波信号统计量产仿射参数，每层注意力前调制，残差注意力传播累积预softmax对数）；④辅助频谱预测头（自池化编码预测原始信号对数幅谱，MSE正则）；⑤两层MLP分类头；总损失为交叉熵+λ·频谱MSE+mixup。

研究结果部分。第3节方法论得出：双分支掩码兼顾样本适配与全局稳定，残差门防信息丢失，通道作令牌使跨通道注意力成主计算，FiLM用滤波前统计量保留噪声水平信息，残差注意力累积稳定深训练，辅助头迫使编码保频域信息。第4节实验设置：PyTorch实现，RTX 4090，AdamW+余弦调度200轮，批次128，嵌入64、4层、4头，UConn/SEU分别λ=0.05/0.02。第5节结果：UConn干净99.63%居首，0 dB AWGN下95.1%（跌4.53点）优于原版iTransformer 94.06%与1D-CNN剧降；SEU齿轮5类干净99.74%、0 dB 79.17%，9类干净99.89%、0 dB 78.58%；非高斯噪声中谐波最易（UConn 0 dB 96.80%）、脉冲最难（UConn 0 dB 82.56%反低于AWGN）。第6节消融：去自适应滤波0 dB降至78.35%（跌20.77点），证其为最大贡献；去FiLM降至86.52%；α门控UConn优解0.5（σ→0.99）、SEU优解0.75；FiLM必须用滤波前统计量（SEU后滤波0 dB掉14.29点）；单通道UConn本身验证无跨通道仍鲁棒，SEU砍至单传感器仍98.05%。第7节讨论：自适应FFT软掩码优于固定带通与嵌小波阈值，因逐样本连续选频；SEU跨传感器注意力在0 dB时行星传感器自块权重升、电机通道权重降，体现SNR自适应融合；脉冲噪声难在时域局域宽带同时污损掩码统计量。第8节结论翻译：本研究提出AF-iTransformer，一种将自适应频率感知滤波直接嵌入架构的轻量Transformer框架，用于噪声鲁棒齿轮箱故障诊断；所引入可学习频谱滤波器在频域运行，让模型按每样本动态抑噪保故障谱；集成通道级令牌化、FiLM信号调节、残差注意力传播与辅助频谱正则，在UConn九类干净99.63%、0 dB SNR 95.1%；广泛评估确认自适应频率滤波是噪声鲁棒性的核心贡献；结果表明“先滤波后分类”的频率优先处理提供时域方法不能达成的结构鲁棒性。论文发表于《Sensors》。