做设备故障诊断这些年，我养成了一个习惯：拿到一组振动信号，先别急着上模型，而是先问自己三件事——信号里有哪些故障成分？用什么特征能把这些成分区分开？分类器能不能把特征里的时序关系吃透。这次要复盘的正是一条完整链路：EEMD–MPE–KPCA–BILSTM故障识别方案。这套流程适合手里有振动、声发射等非平稳信号，想做“分解—提特征—降维—识别”全流程的人，也适合刚接触智能故障诊断、想搞清楚模块为什么这样排的同学。全文我会按我实际跑的思路讲，参数、坑、排查路径都放到一起说，少讲空洞的套话。
1. 为什么要把EEMD、MPE、KPCA、BILSTM串成一条线
1.1 信号分解—特征提取—降维—识别的“生产线”逻辑
我最早接触故障诊断时也天真地想过：直接把原始振动波形扔给LSTM或者CNN不就行了？后来实验数据打脸了。工业现场的振动信号几乎都是非平稳、非线性的，里面除了故障冲击成分，还有齿轮啮合频率、转频及其谐波、随机噪声、环境干扰。把这样一段“大杂烩”直接送入分类器，模型很难自动分清哪些成分来自故障，哪些来自正常工况。
EEMD、MPE、KPCA、BILSTM这条链，本质上是一条特征生产线：
- EEMD是原材料清洗和分拣。它把混叠在一起的振动信号自适应地分解成若干固有模态分量（IMF），相当于把一锅乱炖分成了几盘菜。
- MPE是从每盘菜里提取“味道指标”。多尺度排列熵能在不同时间尺度下量化信号的复杂度和规律性，故障导致的冲击、调制，会在熵值上留下明显痕迹。
- KPCA是质检筛选。提取后的特征往往维数高、冗余大，而且是非线性相关的，用核主成分分析在核空间里降维去冗余，让模型把注意力放在真正区分故障的少数几个维度上。
- BILSTM是最后的装配判断。降维后的特征序列仍然有先后关系和上下文依赖，双向长短时记忆网络可以从前后两个方向捕捉这些依赖，输出故障类别。
这条线不是我凭空拼的，而是对应了诊断领域的经典共识：先做信号自适应分解，再在分量域构造统计特征，最后用“降维+分类模型”完成模式识别。每个环节都在解决前一个环节留下的问题，少一个，后面的模型要么输入太脏，要么特征太乱，要么维度太高。
1.2 端到端深度学习为什么还没完全替代这条线
我知道现在很流行端到端，拿着原始信号直接训一个深度网络，好像前面的信号处理都不需要了。但我的实测经验是：端到端方案有两个前提，一是样本量要足够大，二是数据分布要相对稳定。工业场景里故障样本本来就稀缺，尤其是早期故障、复合故障，想拿到几千条高质量标注样本很难。这时候直接训练大网络，很容易过拟合。
而EEMD–MPE–KPCA这套前置处理，本质上是把人类对故障机理的先验知识注入到了特征里。就算样本量只有几百，特征分布也相对清晰，分类器不需要自己从原始波形里“硬学”特征。另外，分步处理还有可解释性的好处。模型分错了，我可以去看是分解环节出了问题，还是特征本身不可分，而不是面对一个黑盒网络无从下手。
所以我倾向于把这条链理解成“半自动特征工程+轻量级时序分类器”的组合。它不一定在公开大数据集上比端到端刷分高，但在真实小样本、强噪声场景下，稳定性和可排查性都要好得多。
2. EEMD分解：先解决模态混叠，再谈特征质量
2.1 EMD自适应分解的核心逻辑
EEMD是在EMD（经验模态分解）基础上发展来的，所以先得说清楚EMD在干什么。EMD不需要预设基函数，它从信号本身出发，通过不断找局部极值点、拟合上包络和下包络、减去包络均值，把信号一层层剥离。剥离出来的每个IMF要满足两个条件：一是极值点数和过零点数相差不超过1，二是上下包络的均值在每一点上接近零。
这么做的好处是“自适应”。转速变化、冲击载荷导致的非平稳成分，EMD也能按信号内在的时间尺度进行分离。比如一段轴承外圈故障信号，EMD通常会把高频冲击成分分到靠前的IMF，把转频和调制成分分到靠后的IMF，噪声和趋势项则落在最后。
但EMD有个非常出名的问题——模态混叠。简单说，同一个IMF里可能同时含有差异很大的时间尺度成分，或者同一个尺度成分被拆到两个IMF里。这会导致后面提取特征时，分量边界不干净，特征里混着噪声和无关成分。我第一版实验直接用的EMD，结果发现某些样本的IMF2和IMF3形态几乎一样，MPE特征两两高度相关，分类器学习得很痛苦。
2.2 集合平均如何抑制模态混叠
EEMD的核心思路叫“噪声辅助分析”。它把白噪声加到原始信号上，然后对加噪后的信号做EMD，反复做多次，最后把所有结果对应位置求平均。白噪声的作用是改变信号极值点的分布，迫使不同时间尺度的成分在每一次分解中自动归位，多次平均后白噪声彼此抵消，真实分量自然突显出来。
我用一个生活化的类比来理解它：EMD就像让一个不熟悉的裁判看体操动作，他很容易把节奏相近的动作看混；EEMD相当于让同一裁判反复看多遍，每次给画面加一点随机的“干扰噪点”，最后取平均，他反而能分清哪些动作是真实的、哪些是偶然看错的。实测下来，加了集合平均之后，分解结果的IMF数量更稳定，同一个故障类型下，各个样本分解出的分量对齐程度明显提高。
2.3 EEMD关键参数的经验取值
EEMD有两个核心参数：噪声幅值和集成次数。噪声幅值通常表示为原始信号标准差的倍数，我常用的范围是0.1到0.4倍，默认先取0.2。如果噪声幅值太小，起不到调节极值点分布的作用，模态混叠压制不住；如果太大，噪声反过来会污染低频分量，分解结果出现大量虚假IMF。
集成次数我一般取100到200次，少于50次时平均效果不稳定，多于300次时计算时间暴涨，但对结果提升很有限。这里有个时间成本权衡：数据量大的话，200次集成可能就要跑很久，建议先拿两三条样本试分解，观察IMF数量稳定了再批量跑。
还要提一下端点效应。EMD拟合包络时，信号两端没有极值点，包络容易发散，导致两端出现“飞翼”，这在边界处尤其麻烦。我会在分解前对信号做镜像延拓，或者截取信号时故意留一点冗余，等分解完丢掉两端人机边界相关部分。这块细节很多人不提，但实际影响MPE特征稳定性，值得重视。
3. MPE特征提取：用多尺度排列熵把复杂度变成数字
3.1 排列熵：一种快而稳的复杂度统计量
分解得到IMF后，下一步是量化每个分量的特征。传统做法是提取时域统计值（均值、方差、峰峰值）和频域特征（重心频率、谱峰），但这些特征对故障状态变化的敏感性有限。我后来换成排列熵，原因是它思路简单、计算极快，而且对信号中的微弱变化更敏感。
排列熵的基本思想是：把一个序列按 m 个点分组，看相邻 m 个点的相对大小关系，形成一种“排序模式”。比如某三个点的关系是“中间点最小、后一个点最大”，这就是一种模式。统计所有模式出现的概率，代入信息熵公式，得到排列熵。如果序列完全随机，所有排序模式出现概率接近，熵值高；如果信号有固定节奏，某些模式反复出现，熵值就低。故障引起的冲击和调制会改变信号的规律性，熵值因此会变化，这正是我们可以用做判别的依据。
3.2 多尺度化给故障特征配了一副“广角镜”
单独计算一层排列熵，只能反映一种时间尺度下的复杂度。但故障信号常常是“局部冲击+长周期调制”混合体，如果只盯一个尺度，很容易漏信息。MPE的做法是先把原始序列做粗粒化：窗口长度为 s 时，把每 s 个连续点取平均，得到一条长度缩短的新序列，再在这个新序列上计算排列熵。s 就是尺度因子。
举个例子，s=1 时，MPE就等于普通排列熵，反映的是最细粒度的时间结构；s=5 时，相当于把信号每5个点压缩成一个低频值，看到的是更粗的时间结构。正常轴承和故障轴承的差异，往往不是只在某一尺度出现，而是在多个尺度上都有分布。我画过不同状态下MPE随尺度变化的曲线，正常状态熵值整体偏高，故障状态在某些尺度上会有明显凹陷，这条曲线本身就非常像一幅“指纹图”。
3.3 MPE参数怎么选，依据是什么
MPE有三个常见参数：嵌入维数 m、时间延迟 tau、尺度因子 s。我在实验中使用 m=5、tau=1、s=10，这组参数在我测过的数据集上表现稳定，但不同场景需要微调。
- 嵌入维数 m：一般取4到7。m太小，排序模式太少，熵值区分度不够；m太大，排列模式数 m! 爆炸，需要的序列长度也急剧增加。比如 m=6 时模式数是720，如果信号本身很短，统计就不充分。顺序上我总是先看样本点数，再决定m。
- 时间延迟 tau：通常取1到6。tau=1 最常用，因为它保留相邻点间的局部关系；tau取大值会跳过局部细节，对高频冲击信息不够敏感。有文献说tau取1到3之间比较稳妥。
- 尺度因子 s：我习惯取10，数据集大时取12到16也可以。s太小的多尺度信息不充分，s太大时粗粒化后序列过短，熵估计方差变大。
还有一个容易被忽视的点：EEMD分解出的IMF个数是不固定的，不同样本可能得到不同数量的IMF。为了让每个样本的特征长度一致，我通常只保留前 k 个与故障相关的分量，比如前6个或前8个，然后把每个IMF的MPE按尺度拼接成一个向量。如果某样本没有分出足够多的IMF，就补零或舍弃末尾分量。这样每个样本最终都得到一个维度为IMF数 × 尺度数的特征矩阵。
4. KPCA核降维：在核空间里给高维特征瘦身
4.1 高维特征带来的麻烦
假设我们保留8个IMF，每个IMF计算10个尺度的MPE，那么单个样本就有80维特征。如果再叠加时域统计、谱特征，上百维很常见。高维特征直接送进BILSTM有个严重问题：维数高，训练参数多，样本稍微少一点就过拟合；特征之间高度相关，模型拿到的有效信息冗余，训练速度也慢。
PCA这种线性降维解决不了MPE特征的非线性耦合。MPE在不同尺度和不同IMF之间，关系往往不是线性的。比如相同故障状态下，IMF3的尺度5熵值与IMF5的尺度8熵值可能呈复杂的非线性联动。这时线性投影会把大量重要结构“压扁”丢掉，所以要用KPCA。
KPCA的思路是先通过核函数把原始特征映射到高维核空间，在核空间里做线性主成分分析。因为核空间里的线性关系，对应着原始空间里的某种非线性关系，所以KPCA能捕捉到更多非线性结构，相当于“先升维，再降维”，听着矛盾，实际上是让非线性结构在更高维空间里展平，再挑主要方向。
4.2 核函数选择和累计贡献率
我最常用的是RBF核，也就是高斯核，因为它覆盖的非线性范围广，参数只有一个gamma。gamma选不好影响蛮大：gamma太小，每个样本的影响范围太大，降维结果趋近于线性PCA；gamma太大，样本之间几乎互不影响，主成分会被个别样本主导。我通常在0.001到0.1这个区间做粗略网格搜索，默认从0.01开始试。
降维后保留多少维，一般是看累计方差贡献率。我习惯先设90%，然后试85%、95%两组对比一下。注意一个细节：贡献率阈值并不是越高越好。保留太多主成分，KPCA等于没降维；保留太少，又会把类别区分度高的细节丢掉。我通常会投影到二维三维空间，用散点图看一眼不同故障类别的聚类情况，如果类别混成一片，就调低贡献率或换核函数参数。
4.3 KPCA前后的数据标准化不能省
KPCA对特征尺度非常敏感，因为核函数计算的是样本间距离，而不同IMF的熵值范围可能差异很大。我在把特征矩阵送入KPCA前，会先对每一个特征维度做z-score标准化，公式就是(x - mean) / std。这里必须强调：mean和std要用训练集计算，然后同样应用到验证集和测试集，不能每个数据集单独算，否则会造成信息泄漏，评估结果虚高。
KPCA降维之后的特征向量，就是BILSTM每个时间步的输入特征。在具体实现上，我习惯把每个样本的“尺度”当作时间步方向，每个时间步上的特征就是经过KPCA压缩后的低维特征向量。也可以把IMF当作序列方向，这两种组织方式我都试过，前者在我的数据集上更稳定，供参考。
5. BILSTM分类模型：双向时序结构如何吃下这些特征
5.1 从LSTM到双向LSTM，为什么有必要
LSTM通过门控机制解决了长序列梯度消失问题，但标准的LSTM只按时间顺序正向处理，这等于只看“过去”。故障特征里有很多信息其实是前后呼应的。比如轴承内圈故障产生的冲击，会伴随一段衰减振荡，冲击本身和后续的衰减是一个完整“事件”；只看着前面，模型很难知道接下来会发生什么。双向LSTM的做法是把序列从正向和反向各跑一遍，再把两个方向的隐状态拼在一起，这样每个时间步的输出都同时包含“前文”和“后文”信息。
我最初也试过普通LSTM，准确率大概低3到5个百分点，尤其在滚动体和保持架这类故障特征较弱的类别上，双向结构的优势更明显。原因我想是弱故障特征在时序上跨度更长，正向建模容易受干扰，反向能“从头到尾再校验一遍”。
5.2 网络结构与超参数设定
我用的网络结构不算复杂：
- 输入层：时间步数为尺度数，特征维度为KPCA降维后的维数；
- 第一层：BILSTM，隐藏单元64，返回序列；
- Dropout：0.3；
- 第二层：BILSTM，隐藏单元32，可返回最后一步或全序列；
- Dropout：0.3；
- 全连接层：32个神经元，ReLU激活；
- 输出层：Softmax，节点数等于故障类别数。
这个规模在小样本场景下够用了。隐藏单元不是越多越好，我曾把第一层加到128，准确率没有明显提升，训练时间却翻倍，还更容易过拟合。优化器用Adam，初始学习率0.001，配合ReduceLROnPlateau，在验证损失连续5轮不下降时把学习率降为原来的0.5。Batch size我固定为32，如果样本量很小，16会更稳。
这里还要多说一句ReduceLROnPlateau。很多人训练RNN习惯用固定学习率，结果损失曲线来回震荡。我的经验是动态学习率在这个任务里几乎必用，因为不同故障类别的学习难度差异大，前期要快，后期要细。
5.3 过拟合监控与模型保存
小样本训练BILSTM，最怕的就是训练损失一路下降，验证损失过了一个点之后反弹。我的监控办法是每轮结束都记录训练损失和验证损失，并在验证损失最低点保存模型权重。测试时加载的是验证集上表现最好的那版权重，而不是最后一轮权重。这个细节能直接救回不少准确率。
另外，虽然前面已经做了KPCA降维，BILSTM本身对输入尺度也敏感。我会在送入网络前再做一次标准化，或者干脆在模型里加一个BatchNormalization层。两种方式效果差不多，我用的是后者，因为它把标准化融入到训练过程，不用单列预处理步骤。
6. 实验跑通后的三个坑与我的排查思路
6.1 数据切分时的样本泄漏问题
我第一版实验的准确率奇高，接近99%，当时还挺高兴。后来仔细一查，问题出在数据切分上。我用滑窗从连续振动信号里截样本时，没有把同一时间段的数据严格分到同一集合里，导致训练集和测试集里出现了大量重叠片段，模型等于提前见过答案。
正确做法是：按时间段划分，前60%的连续信号用来切训练样本，中间20%切验证样本，最后20%切测试样本。如果一台设备有多次启停记录，应按独立记录文件划分，而不是简单随机打乱样本。这一点在诊断类任务里可以说是头号隐性错误，建议每位读者都自查一遍。
6.2 某两类故障总混淆时，先回去看特征图
我的数据集里，内圈故障和外圈故障最初总是互相误判。我一开始调BILSTM结构，没效果。后来我把两个类别的MPE特征画到同一张图上，发现两者的熵值曲线形状几乎重叠，只在个别尺度上拉开一点差距。问题根本不在分类器，而在特征区分度不足。
解决办法是增加特征来源：除了MPE，我补充了包络谱的谱峰频率和边带能量比，把它们也拼进特征矩阵后再做KPCA。新一轮实验，混淆率明显下降。这个案例的教训是：分类器调得再好，也很难分辨特征本身就没区分度的样本。排查顺序永远是从数据、特征、再到模型。
6.3 样本量不平衡导致个别类别失效
工业数据里，正常状态样本往往远多于故障样本。如果不处理，模型会偏向大类别，故障类召回率很低。我常用的办法有三类：一是给损失函数加类别权重，让少数类样本的误判产生更大惩罚；二是对小类别样本做窗口重叠采样，同一段信号用不同起点切出多个样本；三是用SMOTE类方法在特征空间做少数类过采样。注意SMOTE要在KPCA之前还是之后用？我习惯在降维后的特征空间做合成，因为此时维度低、相关性处理过，合成样本更自然。
经过处理后，少数类的召回率基本能提升10个百分点以上。当然，合成样本只能作为辅助，最终评估还是以真实测试集为准，不能把合成样本混进测试集。
7. 工程落地中的心得与后续改进
7.1 一套可复用的流程骨架
我这里给出一段流程骨架代码，具体接口按你的数据格式调整就好：
import numpy as np from PyEMD import EEMD from sklearn.preprocessing import StandardScaler from sklearn.decomposition import KernelPCA from antropy import permutation_entropy # 假设 sig_list 是若干个振动信号样本的列表，labels 是对应标签 eemd = EEMD(trials=100, noise_width=0.2) def extract_mpe(imf, scales=10, m=5, tau=1): mpe_list = [] for s in range(1, scales + 1): # 粗粒化 n = len(imf) // s coarse = np.mean(imf[: n * s].reshape(-1, s), axis=1) # 计算单个尺度排列熵 mpe_list.append(permutation_entropy(coarse, order=m, delay=tau, normalize=True)) return np.array(mpe_list) features_all = [] for sig in sig_list: imfs = eemd(sig) imfs = imfs[:8] # 保留前8个有效分量 feat = np.concatenate([extract_mpe(imf) for imf in imfs]) features_all.append(feat) features_all = np.array(features_all) scaler = StandardScaler().fit(features_all) features_all = scaler.transform(features_all) # 拆训练、验证、测试后，仅在训练集上拟合KPCA kpca = KernelPCA(n_components=0.9, kernel='rbf', gamma=0.01, fit_inverse_transform=False) train_kpca = kpca.fit_transform(X_train) test_kpca = kpca.transform(X_test)有几个地方需要按数据微调：EEMD的trials和noise_width，MPE的scales、m，KPCA的gamma和贡献率，以及BILSTM的两个隐藏层单元数。我建议先拿10到20条样本把整条链跑通，确认每个环节输出的维度符合预期，再全量计算，省得浪费几个小时在调参上。
7.2 计算开销与缓存策略
这套流程里，计算最重的两块是EEMD分解和MPE提取。EEMD要做上百次集成，每条样本可能耗时数秒甚至更久；MPE又在每个IMF、每个尺度上循环。我实际的做法是：把分解和特征提取的结果以npy格式缓存到本地，文件名包含参数签名，下次直接用缓存。批量数据可以用multiprocessing并行，单机8核基本能快6倍以上。
BILSTM训练的耗时反倒还好，因为特征已经压缩得很低，网络参数不多，在普通显卡甚至CPU上都能几分钟内跑完。这也是我喜欢这套方案的原因之一：离线预处理重一点，在线训练和推理都很轻量。
7.3 想进一步优化可以往这几个方向试
如果你觉得这套流程在你的场景里准确率还不够高，我建议按优先级尝试：第一，把EEMD换成CEEMDAN，分解残差噪声更小，IMF对齐更干净；第二，在BILSTM后加一个注意力层，让模型重点看故障冲击最明显的时间步；第三，在特征层面除了MPE，增加排列熵变体（如加权排列熵、余弦相似度熵），增加特征的信息量；第四，尝试把KPCA换成t-SNE或UMAP做可视化对比，判断特征可分性后再决定降维手段。
最后分享一个我反复踩过又修订的小习惯：千万不要在拿到完整数据集后一次性跑完所有内容，先用小样本把每个模块输出的中间结果都打印出来，保存成变量，一步一步肉眼检查。工业信号里的干扰比实验室数据集多得多，任何一个环节“看似正常但细节不对”，都可能让最后的准确率差出一大截。我过去的教训是，宁愿多花两小时检查中间结果，也不要盲目调网络参数两星期。
核心特征全解：从建立维护到数据独立性)
