WOA-TCN-BILSTM-Attention混合模型在轴承故障诊断中的Matlab实现

搞故障诊断这些年，我越来越觉得单靠某一种网络很难把振动信号里的问题彻底吃透。传统的机器学习方法（SVM、随机森林那一套）需要手工提特征，费时费力，而且特征工程的好坏直接决定上限。后来转向深度学习，用LSTM和CNN做过一轮，效果比传统方法好不少，但总感觉差点意思——尤其是面对强噪声、非平稳的轴承振动信号时，模型的稳定性和泛化能力还是不够。于是我在某个项目里尝试了一种组合架构：WOA-TCN-BILSTM-Attention，并用Matlab完整实现了一遍。这篇文章算是我对这个模型从原理到落地的全面复盘，内容包括网络结构为什么这么搭、每个模块解决什么问题、Matlab里怎么实现、WOA到底优化了什么，以及我踩过的几个坑和最终的实验结果。如果你是做机械故障诊断、轴承状态识别，或者对混合深度学习模型感兴趣，这篇文章应该能给你不少可以直接抄作业的东西。

1. 为什么是WOA+TCN+BILSTM+Attention这套组合，而不是别的

先说结论：这套组合并不是我拍脑袋拼出来的，它对应的是故障诊断任务里的三个真实痛点——局部特征提取难、时序依赖建模难、超参数人工调试难。

1.1 故障诊断任务到底难在哪里

拿轴承故障来说，传感器采集到的振动信号有几个很麻烦的特点。第一是非平稳性，设备转速、负载变化都会让信号的统计特性随时改变；第二是故障特征微弱，早期故障的信号能量很小，往往淹没在背景噪声里；第三是故障模式与信号形态之间不是简单的对应关系，同一个位置的不同损伤程度，表现差异可能很大。

传统的做法是先做特征工程，比如从时域提取均方根值、峰峰值、峭度，从频域提取频谱峰值、边频带能量，再送入分类器。这套流程稳定但天花板低——特征的提取依赖于人的经验和先验知识，一旦换了设备、换了工况，特征很可能失效。深度学习的好处就在于不需要手工提特征，网络会自动从原始信号里学出有用的表征。但单靠一种网络又不够，CNN擅长提取局部模式但建模长程依赖弱，LSTM擅长建模时间依赖但局部特征抓取不强，于是很自然地想到把两者结合。

1.2 每个模块的角色定位

这套架构里：

• **TCN（时间卷积网络）**负责局部时序特征的快速提取。它使用因果空洞卷积，在保证不泄漏未来信息的前提下，通过增大空洞因子来扩大感受野，能高效抓住信号里的短时冲击特征和局部波动模式。相比普通卷积，TCN更适合时间序列；相比RNN，它还能并行计算，训练速度快很多。
• **BILSTM（双向长短期记忆网络）**负责全局时序依赖的建模。单向LSTM只能看到过去的信息，但很多故障特征其实和"上下文"强相关——比如某一段波形本身看着正常，放在一个持续衰减的包络里就能判断出是故障早期征兆。双向结构让网络同时从正向和反向读取序列，相当于既知道"过去"也知道"未来"，对这类上下文依赖强的信号非常友好。
• **Attention（注意力机制）**负责从BILSTM输出的所有时间步中筛选关键信息。BILSTM输出的是一整条特征序列，但并不是每一时刻的信号都对最终诊断有同样的价值。Attention机制会学习一组权重，把和故障模式强相关的时间步放大，把噪声时段压缩，最终输出一个加权和作为分类层的输入。
• **WOA（鲸鱼优化算法）**负责超参数自动搜索。TCL的卷积核大小和空洞因子、BILSTM的隐藏单元数、学习率、正则化系数、Dropout比例——这些参数以前靠人工反复试，费时间而且容易陷入局部最优。WOA的作用就是把这些超参数编码成一组"坐标"，在参数空间里做全局寻优，把人工调参变成自动化搜索。

打个比方，你可以把TCN理解成一个侦察兵，负责快速发现信号里的异常痕迹；BILSTM是参谋部，把侦察到的线索放在时间线里综合分析；Attention是指挥官，决定哪条线索值得重点关注；WOA则是整个作战方案的规划者，在后台不断调整每个兵种的配置，让整支队伍配合达到最优。

1.3 既然有开源复用方案，为什么还要用Matlab重写

故障诊断这个领域用Python的其实更多，各种成熟框架（比如深度学习框架）一把梭，TensorFlow、PyTorch都有现成的TCN和Attention模块可以拿过来用。但我这次坚持用Matlab，主要基于三个原因。

第一，很多做机械故障诊断的课题组长期积累的工具箱、数据加载脚本、信号预处理函数都写在Matlab里，直接用Matlab环境和已有的数据管线衔接最省事，不用把数据转来转去。第二，Matlab的Deep Learning Toolbox对网络层的封装很完整，自定义层有明确的接口规范，方便像我这样需要对模型细节做精细控制的人。第三，在一些需要与Simulink仿真联动的场景下，Matlab的模型可以直接嵌入到整个仿真流程里，这在工业现场验证时很实用。

当然，用Matlab也有代价，最明显的是自定义层Debug相对繁琐，以及某些算子在GPU加速上的表现不如主流框架灵活。但做研究、跑实验、复现论文，Matlab完全够用。

2. 数据准备与滑动窗口切分，这一步没做好后面全是坑

模型再花哨，数据不对等于白搭。深度学习故障诊断的数据准备有几个关键点很容易被忽略，这里展开说一下我自己的处理流程。

2.1 数据集采用与样本形态

我用的是公开的标准轴承数据集，里面包含正常状态、内圈故障、外圈故障、滚动体故障四种健康状态，每种状态下有多组不同工况（不同转速、不同负载）的振动采样。采样率比较高，原始数据是长序列的连续波形，时长从几秒到几十秒不等。原始数据不能直接丢给网络——序列太长了，单条样本动辄几十万个采样点，直接输入网络不仅显存放不下，还会让模型学不到局部细节。

标准做法是做滑动窗口切分。我把每个故障状态的长序列按固定窗口长度切成短样本，同时设定一定的重叠率，既增加样本量，又在一定程度上做数据增强。窗口长度用1024个采样点，重叠率设为50%（也就是步长512点）。为什么选1024？一是它包含足够的信号周期，能覆盖轴承转频和故障特征频率的多个周期；二是这个长度在模型的计算开销和信息量之间比较平衡，1024个点的序列送入TCN和BILSTM都不会太吃力。

2.2 训练集、验证集、测试集的划分要防数据泄漏

这一条是我吃过大亏的地方，必须重点提醒。很多教程直接对所有切分好的样本做随机打乱，然后按比例分成训练集、验证集、测试集。这样看起来没问题，但实际埋着一个大雷：同一段原始信号切出来的相邻样本之间高度相似，如果随机划分，训练集和测试集里很可能出现"同一段波形的两个片段"，模型等于提前见过相似的形状，测出来的准确率会虚高。

正确的做法是按原始信号文件划分。先把每一段完整的长波形切好样本，然后以"段"为单位分配数据集。比如某个工况下的内圈故障信号采集了20段，其中14段切出的样本全部进训练集、3段进验证集、3段进测试集，这样测试集样本和训练集样本来自不同时间段，更能反映模型在未见过的信号上的真实表现。

划分比例上，我用的是7:2:1——训练集70%，验证集20%，测试集10%。验证集用于WOA优化过程中的适应度评估，测试集则是最终模型训练完成后一次性测评，保证结果公平。

2.3 标准化与数据增强

原始振动信号是电压值，幅度范围受传感器灵敏度和量程影响，不同工况下的量纲差异可能很大。我在输入网络之前做了z-score标准化：

[ x_{norm} = \frac{x - \mu}{\sigma} ]

其中μ和σ只在训练集上计算，验证集和测试集复用训练集的统计量，不能各自算自己的。这一点也要注意，否则验证集/测试集相当于提前知道了全局统计信息，又是一种隐性泄漏。

数据增强方面，除了滑动窗口重叠切分，我对部分样本做了小幅度的幅值缩放（乘上一个0.95～1.05之间的随机系数）和少量高斯噪声叠加。这类方法对振动信号有效，因为实际工况中幅值的微小变化和背景噪声本来就是常态，增强后的样本让模型更鲁棒。

3. Matlab环境下TCN-BILSTM-Attention网络的搭建细节

搞定数据之后才是真正的重头戏——在Matlab里把网络搭起来。我先把整体网络结构的参数配置放在前面，再逐层讲实现要点。

3.1 网络结构的整体参数

我用表格整理一下最终模型的配置，这个配置是WOA搜索得到的最优参数，后面章节会讲WOA是怎么搜出来的：

这里TCN用了4层空洞卷积，每层的空洞因子分别为1、2、4、8，卷积核大小为7。这样每一层的有效感受野逐层翻倍，最后一层的感受野能够覆盖整个1024点窗口的大部分区域，同时保持参数量可控。

3.2 TCN在Matlab里的实现方式

Matlab的Deep Learning Toolbox里并没有现成的TCN层，需要自己实现。实现方式有两种：一种是用layerGraph组装一系列带空洞卷积的卷积层和残差连接；另一种是写自定义层（继承nnet.layer.Layer），把空洞卷积和残差逻辑封装成一个整体。从复用性和代码整洁度来看，第二种更好——网络结构里只需添加一个tcnLayer的实例，整个TCN块就接进去了。

自定义TCN层的核心逻辑是：输入序列经过若干并行的空洞卷积（不同空洞因子），每层的输出与输入做残差相加，然后接非线性激活。空洞卷积在Matlab里通过convolution2dLayer或dlconv（针对深度学习自定义层）的DilationFactor参数实现，1维序列处理时把数据视为1 x N x C的形状，用dlconv配合合适的卷积核就行。

参考代码片段（核心部分）：

classdef tcnBlock < nnet.layer.Layer properties NumFilters KernelSize Dilations end properties (Learnable) ConvWeights ConvBias ResWeights ResBias end methods function layer = tcnBlock(numFilters, kernelSize, dilations) layer.Name = "tcn_block"; layer.NumFilters = numFilters; layer.KernelSize = kernelSize; layer.Dilations = dilations; % ... 初始化可学习参数 end function Z = predict(layer, X) % X: 输入序列 [1 x seqLen x numChannels] residual = X; for i = 1:numel(layer.Dilations) Z = dlconv(X, layer.ConvWeights{i}, layer.ConvBias{i}, ... 'DilationFactor', layer.Dilations(i), 'Padding', 'same'); Z = relu(Z); if i < numel(layer.Dilations) X = Z; end end % 残差连接：1x1卷积调整通道数后相加 Z = Z + dlconv(residual, layer.ResWeights, layer.ResBias, 'Padding', 'same'); Z = relu(Z); end end end

实际使用中，dlconv处理1维数据时输入格式为1 x numChan x seqLen，上面代码里我为了直观把维度顺序简化了，真机实现时要注意Matlab的dlarray默认维度顺序。这块稍不注意就容易报维度不匹配，我把调了好久的错误放到了后面的踩坑章节里。

3.3 BILSTM与Attention层的衔接

BILSTM在Matlab里可以直接用bilstmLayer，给两个参数就够了：NumHiddenUnits设为48，OutputMode设为'sequence'。注意这里必须用'sequence'而不是'last'，因为Attention层需要拿到所有时间步的输出，而不是只拿最后一个时间步的向量。

Attention层的实现思路也很直接。BILSTM输出的特征序列记为 ( H = [h_1, h_2, ..., h_T] )，每个 ( h_t ) 是一个长度为隐藏单元数的向量。Attention机制先对每个时间步计算一个注意力分数：

[ e_t = v_a^T \tanh(W_a h_t + b_a) ]

然后对所有分数做softmax归一化得到权重：

[ \alpha_t = \frac{\exp(e_t)}{\sum_{j=1}^T \exp(e_j)} ]

最终输出是加权求和：

[ c = \sum_{t=1}^T \alpha_t h_t ]

这个 ( c ) 就是送到全连接分类层的特征向量。在Matlab里写自定义层时，前向传播函数内要同时输出加权和 ( c )，如果需要可视化注意力权重，可以在predict里额外保存一组 ( \alpha_t )。实现代码大概长这样：

classdef attentionLayer < nnet.layer.Layer properties % 注意力维度 AttentionDim end properties (Learnable) Wa % [AttentionDim x hiddenUnits] va % [AttentionDim x 1] ba % [AttentionDim x 1] end methods function Z = predict(layer, X) % X: [hiddenUnits x seqLen x batchSize] e = layer.va' * tanh(layer.Wa * X + layer.ba); % [1 x seqLen x batchSize] alpha = softmax(e, 'DataFormat', 'U'); % 按时间步归一化 Z = sum(X .* alpha, 2); % 加权求和 [hiddenUnits x 1 x batchSize] end end end

这里维度推导用伪代码表达，实际实现时softmax的维度参数要仔细检查，因为Matlab的softmax对dlarray的操作维度规则比较细，我已踩过。加权求和后，特征向量进入一个带softmax的全连接输出层，得到4个类别的概率分布。

4. WOA优化器的目标函数设计与参数搜索过程

很多文章把WOA讲得很玄，其实核心就是模拟座头鲸的捕食行为：先随机初始化一组"鲸鱼"（即一组候选超参数），然后通过包围猎物、气泡网攻击、随机搜索三种策略迭代更新位置，最终找到适应度最优的解。放在我们这个场景里，每一条鲸鱼的"位置"就是一组超参数组合。

4.1 决策变量与搜索空间

我不建议把网络结构里所有参数都丢给WOA去搜，那样搜索空间太大，计算代价会爆炸。合理做法是挑选对模型性能影响最大、又最难靠经验确定的几个超参数。我的选择：

这里把连续值离散化成一组候选值，是为了让WOA的搜索更稳定——连续空间的组合爆炸在硬件条件有限时很难收敛到满意解。当然，如果想更精细，也可以在连续区间内搜索，再四舍五入到最近的有效值。

4.2 适应度函数怎么设计

WOA每一步迭代都要评估每条鲸鱼的"好坏"，这个评估标准就是适应度函数。我这里用的是验证集上的交叉熵损失，而不是准确率。原因是交叉熵是连续函数，对参数变化更敏感，哪怕几个样本分类错了也能反映出梯度的方向；准确率是离散值，在接近收敛时可能好几天都不变一次，不利于WOA判断优劣。

完整的目标函数流程：

1. 解码鲸鱼位置，得到一组超参数；
2. 用这组超参数搭建TCN-BILSTM-Attention网络；
3. 在训练集上训练N个周期（我这边设的是15个epoch，用Adam优化器）；
4. 在验证集上计算交叉熵损失；
5. 把损失值返回给WOA作为适应度。

注意，这里不可能让每轮训练跑到完全收敛——时间和算力都不允许。15个epoch的训练结果虽然不够充分，但足以区分哪组超参数更有潜力。WOA完成全部迭代后，拿最优解作为最终超参数，再用更多epoch从头训练一次，这才是完整的流程。

4.3 WOA迭代的核心代码与收敛表现

WOA的三种搜索机制在代码层面的表达大致是：

% 位置更新主循环（简化） for t = 1:MaxIter for i = 1:PopSize a = 2 - 2 * t / MaxIter; % 线性递减系数 A = 2 * a * rand - a; % 包围猎物系数 C = 2 * rand; % 随机权重 p = rand; % 选择策略概率 if p < 0.5 if abs(A) < 1 % 包围猎物：向当前最优解靠近 newPos = bestPos - A * abs(C * bestPos - wolfPos(i, :)); else % 随机搜索：随机选一条鲸鱼作为参照 randIdx = randi(PopSize); newPos = wolfPos(randIdx, :) - A * abs(C * wolfPos(randIdx, :) - wolfPos(i, :)); end else % 气泡网攻击：螺旋更新 dist = abs(bestPos - wolfPos(i, :)); newPos = dist .* exp(b * l) .* cos(2 * pi * l) + bestPos; end % 边界处理 + 对离散变量取整 newPos = min(max(newPos, lb), ub); wolfPos(i, :) = round(newPos / step) * step; end % 评估新位置的适应度，更新全局最优 end

实际搜索过程中，我观察到适应度下降最快的阶段在前8次迭代，后面5～8次逐渐收敛平台期。最终选出的最优参数组合恰好是：卷积核大小7、BILSTM隐藏单元48、学习率0.001、L2正则0.001、Dropout 0.3。这套参数比我之前靠手工试出来的配置在验证集损失上低了接近15%。

5. 训练与调参过程中踩过的那些坑

这部分内容是我最想写的，因为几乎每个坑都花了我不少时间排查。可能你也会遇到一模一样的问题，提前避开能省很多事。

5.1 TCN感受野设计不合理导致训练损失震荡不降

第一个版本里我把TCN空洞因子设成了[1, 2, 4]，三层卷积核大小3。结果网络训练到第8个epoch左右损失就开始震荡，而且是那种带着大锯齿的震荡，验证集准确率卡在65%上不去。排查了半天，发现是感受野不足。

TCN的感受野计算公式大致是：

[ RF = 1 + \sum_{i} (kernel_size_i - 1) \times dilation_i ]

按我的初始配置算出来只有 (1 + 2 \times 1 + 2 \times 2 + 2 \times 4 = 19) 个采样点，而输入序列是1024个点。这意味着TCN每层每个输出位置实际看到的上下文只有19个采样点，连一个完整的故障冲击周期都盖不住，后面的BILSTM等于在残缺的局部特征上做时序建模，效果自然不行。

修复方案是增加空洞因子到[1, 2, 4, 8]，卷积核增大到7，感受野变成 (1 + 6 \times 1 + 6 \times 2 + 6 \times 4 + 6 \times 8 = 91)，虽然还是没有完全覆盖1024点，但配合BILSTM已经能捕捉到足够的局部上下文了。改完之后损失曲线明显平滑，最终收敛精度也上去了。

5.2 数据泄漏让测试集准确率虚高到99%

这个坑特别容易踩。有一版实验我图省事，直接把所有切分好的样本喂给cvpartition做随机划分，结果测试集准确率跑到99.2%，我当时还挺高兴，后来复盘发现这数字有水分——训练集和测试集来自同一段原始波形的相邻窗口，模型实质上是在做"记忆"而不是"泛化"。

解决方式前面已经写过：按原始信号段划分数据集。改完之后，测试集准确率回落到94%～95%左右，虽然数字下降了，但这个数字才是真实可信的。做研究发论文也好，做工程落地也好，一个虚高的指标会误导后续所有判断，这条底线不能破。

5.3 WOAd适应度评估的计算开销爆炸

WOA种群规模设40、迭代20轮，每轮要对每条鲸鱼训练一个网络，那就是最多800次网络训练。虽然不是每次都能跑满，但我的机器上是GeForce级别的显卡，单次15 epoch训练大约需要40秒，整个WOA搜下来要好几个小时。

一开始我是满规模跑的，跑到半夜还没结束。后来做了两处优化：一是把种群规模降到20，迭代轮数降到15，牺牲一点搜索广度换取时间；二是给每次适应度评估加了早停策略——如果验证集损失连续3个epoch没有下降就提前终止训练。这两招下来，整体耗时从原来的6个多小时压缩到2小时左右，而且最终搜出来的参数和最开始的满规模版本差别很小。对于超参数搜索这类任务，没必要追求极致精度，时间成本也是成本。

5.4 Matlab中自定义层常见的维度Bug

自定义TCN层和Attention层的时候，最折磨人的就是dlarray的维度方向。Matlab默认的dlarray对序列数据的格式标记是'CBT'（通道、批、时间）或者'BTC'（批、时间、通道），不同API要求不一样。dlconv期望输入格式是'SSCB'或者'SCB'（空间、通道、批），bilstmLayer则对'CBT'格式是友好的。

这意味着TCN层输出的维度顺序到了BILSTM层可能完全乱掉，必须在自定义层的predict末尾调用stripdims+dlarray(..., 'CBT')把数据格式重新标记一遍。这种隐性维度问题的排查成本很高，我的经验是：用一个极小的随机数组做单步前向传播测试，每加一层就打印一次size和dims，逐层确认，千万不要整个网络搭完才去调试。

5.5 过拟合的几个征兆和应对技巧

故障诊断任务里样本量通常不大，过拟合是大概率事件。训练初期验证集损失一直降，到某个点之后训练损失还在降但验证损失开始反弹，这就是过拟合的典型信号。除了用WOA搜出来的Dropout和L2正则，我还额外用了早停机制——在最终训练中监控验证损失，连续5个epoch不改善就停止训练并存下最优权重。Matlab的trainNetwork配合'ValidationPatience'参数可以直接实现，不用自己手写回调。

另一个很有用的技巧是梯度裁剪。LSTM类网络在长序列上容易梯度爆炸，设置'GradientThreshold', 1之后训练稳定性提升明显。

6. 实验结果分析与对比：这套模型到底值不值得用

所有模块跑通之后，我在同一份数据集上做了一组横向对比实验，对比对象包括LSTM、BILSTM、TCN-BILSTM（不加Attention）以及完整的WOA-TCN-BILSTM-Attention模型。为保证公平，TCN-BILSTM和完整模型都使用同样的TCN模块和BILSTM隐藏单元数，唯一区别是有没有Attention层以及是否做了超参数优化；非WOA模型使用我手工调参的结果。

6.1 测试集指标对比

从结果来看，每一个模块的叠加都带来了真实的性能提升：BILSTM比LSTM提升约1.6个百分点，这是因为双向结构对上下文建模更充分；加入Attention后又提升1.8个百分点，说明注意力机制确实能把关键时间步的特征凸显出来；加上WOA超参数搜索后再提升1.7个百分点，这部分提升主要来自更优的卷积核尺寸和学习率组合。整个链路下来，相比最基础的LSTM，准确率从87.3%提升到95.1%，提升幅度相当可观。

6.2 混淆矩阵与错误案例分析

训练好的模型在测试集上的错误主要集中在内圈故障和滚动体故障之间。这两类故障在信号形态上有一定相似性——都会产生周期性的冲击脉冲，差异更多体现在脉冲的间隔规律和调制特征上。如果采样窗口恰好只覆盖了不完整的脉冲周期，模型就很容易混淆。

针对这个问题，我在窗口切分那一层做过两次实验。第一次把窗口长度从1024增加到2048，混淆情况有所缓解，但训练时间也明显增加；第二次尝试重叠率从50%提高到75%，相当于样本量增加50%，混淆率降得更明显，而且没有增加新的计算开销。最终我采用了重叠率75%的版本，这算是一个低成本高收益的调优。

6.3 注意力权重的可视化验证

模型训练好之后，我提取了attention层在部分测试样本上的权重序列，观察网络重点关注哪些时间区间。结果很有说服力：当输入样本是内圈故障信号时，注意力权重会集中在对应故障特征频率的冲击时刻附近，波形上表现为包络突起的那些区间权重明显偏高；而正常状态的样本，注意力权重分布则相对平坦。这说明Attention层并不是在盲目加权，它确实学到了"哪里有异常就往哪里看"的规律。这也为模型的可解释性提供了一定的证据——虽然深度模型常被人说是黑盒，但至少我们能从注意力分布中看出模型决策的依据。

最后说几句实际操作的体会

整套模型从搭建到调通，我前后花了将近两周，大部分时间都耗在Matlab自定义层的维度调试和WOA搜索过程的工程优化上。回顾整个过程，我最想分享的一条经验是：不要盲目堆叠复杂模型。TCN、BILSTM、Attention、WOA每一个组件都对应一个明确的问题，在你自己做故障诊断项目时，如果数据量不大、任务相对简单，可能一个TCN接一个分类层就够了；只有当单一模型明显碰到性能瓶颈，再一步步加BILSTM、加Attention，最后才考虑用WOA做全局参数搜索。先小后大、先简后繁，才能搞清楚每一步提升到底来自哪个改动。另外，一定要在实验一开始就把数据泄漏问题当回事，否则后面所有对比实验和结论都不可信。希望这篇文章能帮你少走点弯路。