基于CNN的工业机器声音故障检测：公平数据划分与动态训练控制

《Journal of Electronic Science and Technology》：CNN-powered malfunction detection in industrial machine sounds with fair data splitting and dynamic training control

　　

在工业环境中，声音通常是机器运行期间运动与振动产生的重要数据来源。每种机器运行状态通常会生成特定的声音，例如熟悉的正常工作声、异常声、断裂声，甚至可能表示停机的声音缺失。本文提出一种具有早停（early stopping）和学习率（learning rate，LR）调度的监督式卷积神经网络（convolutional neural network，CNN）模型，以实现更准确且更具成本效益的、用于机器声音分类的深度学习（deep learning，DL）模型。所提出模型使用MIMII数据集进行训练和评估，该数据集包含不均衡的真实世界数据和信噪比（signal-to-noise ratio，SNR）。为确保公平（即具有代表性）的数据划分策略，并稳健覆盖MIMII数据集的全部层级结构，本研究采用一种结合划分前洗牌的分层多阶段分层划分协议，以防止顺序偏差。在特征提取后，使用合成少数类过采样技术（synthetic minority oversampling technique，SMOTE）对训练集进行平衡。与在同一数据集上实现的最新工作相比，所提出模型在SNR为6 dB时，无需噪声处理方法，在准确率、曲线下面积（area under the curve，AUC）、F1分数、精确率、召回率、马修斯相关系数（Matthews correlation coefficient，MCC）和Kappa系数方面均达到最优性能，并在严重噪声条件（0 dB和?6 dB）下保持稳健且具有竞争力的性能。

该研究由Ameer B. Alaasam、Zena H. Khalil、Dhiah Al-Shammary、Ayman Ibaida和Khandakar Ahmed共同完成，发表于《Journal of Electronic Science and Technology》。

**1. 研究背景与问题**

工业环境中，机器通过振动、旋转和机械相互作用产生声学特征，声音能够反映其健康状态和运行性能，并可揭示传统传感器难以捕捉的内部异常、机械磨损和潜在故障，因此对预测性维护与系统可靠性具有重要意义。然而，与可直接输入CNN的图像分类任务不同，音频等时域信号在长度和特征上具有较大可变性，直接使用CNN分类存在实际挑战。深度学习模型在噪声和不平衡数据上训练时容易过拟合，导致在未见数据上性能下降；同时，训练复杂神经网络需要大量计算资源和较长时间，增加了智能工业系统的部署成本。此外，固定epoch数训练可能导致过拟合或欠拟合，而简单的分层划分无法保证多分支层级数据集中的设备级代表性。因此，需要一种能够在提升故障检测准确率的同时降低训练成本、并采用公平数据划分策略的模型。

**2. 研究内容与主要结论**

研究人员提出了一种有监督CNN模型，结合早停与动态学习率调度，在MIMII数据集（版本public 1.0）上进行训练和评估。该数据集包含阀门、泵、风扇和滑轨四类工业机器，每类机器包含多台设备、正常与异常样本，以及?6 dB、0 dB、6 dB三种信噪比和真实工厂背景噪声。研究采用层级多阶段分层划分协议，按“SNR→机器类型→设备ID→状态/标签”的结构，在每个设备/状态组内以70∶15∶15划分训练、验证和测试集，并在划分前进行洗牌以防止顺序偏差。SMOTE仅在特征提取后应用于训练集，以平衡类别分布。结果表明，在6 dB SNR下，模型对四类机器均达到全部指标为1的最优性能；在0 dB和?6 dB噪声条件下，性能仅有轻微下降，仍保持稳健。动态训练控制显著降低了训练成本，以泵和风扇为例，训练时间分别从约55.62分钟和61.32分钟降至约10.94分钟和15.52分钟，节省约80.3%和74.69%。

**3. 主要关键技术方法**

研究人员主要采用了以下关键技术方法。第一，音频特征提取与标准化：使用Librosa 0.10.2将WAV音频转换为单声道并统一采样率，提取对数梅尔频谱图、梅尔频率倒谱系数（MFCC）、谱质心、谱平坦度、谱滚降、谱带宽和过零率等声学特征，并采用StandardScaler进行标准化。第二，公平数据划分：采用层级多阶段分层划分协议，严格按设备/状态分组进行划分，防止数据泄漏和顺序偏差。第三，类别不平衡处理：仅在训练集上使用SMOTE合成少数类样本。第四，CNN架构设计：包含三个卷积块，使用Conv2D