滚动轴承故障诊断研究揭示：输入表征决定域适应效果

一句话结论

新研究表明，在滚动轴承振动信号故障诊断中，采用正确频谱表征能显著提升跨工况模型迁移能力，使无监督域适应精度接近有监督上限。

关键要点

传统同轴承数据集划分评估常报告超过 99% 的准确率，但留出轴承协议下仅靠源域模型在轴速改变时准确率仅 0.36，远低于 0.97 的有监督目标上限
将频域信号重采样为固定转数阶次后，傅里叶神经算子在源域直接迁移准确率提升至 0.61，而匹配特征维度的卷积网络在两种表征下都停留在随机猜测水平
在阶域配合 RBF-MMD 无监督对齐方法无需目标标签，准确率可达 0.95，在所有留出轴承折中均高于 0.86，仅比有监督上限低 0.02
当表征正确时少量目标域标签收益递减；第二组以故障直径为单位的数据集验证了该协议可暴露即使有监督模型也难以避免的失败模式

背景与事实

这是一项来自 arXiv cs.LG 分区、提交于 2026 年 9 月 11 日的机器学习方向研究，题目为“When Does Domain Adaptation Help on Physical Vibration Sensors? A Held-Out-Bearing Study of Neural-Operator and Convolutional Models”（物理振动传感器域适应何时有效？——神经算子与卷积模型的留出轴承研究）。研究聚焦于从物理振动传感数据诊断滚动元素轴承（rolling-element bearing）故障，这是工程领域经典的物理感知任务，也是评估工况漂移下域适应效果的常用基准。

现有文献普遍报告 99% 以上准确率，但其评估划分让同一物理轴承既出现在训练集又出现在测试集，意味着测试样本与训练样本来自同一硬件实体，难以反映现场更换轴承或改变运行转速时的真实泛化能力。该研究提出留出轴承协议：把每一个轴承整体划入训练或测试，确保测试集物理硬件与训练集零重叠，以暴露“跨硬件”的适应需求。在该协议下，仅用源域数据训练、直接迁移到目标轴速的模型准确率仅 0.36，而允许使用目标域标签训练的有监督上限为 0.97，差距显著，说明既往 99% 数字在跨硬件场景下会高估模型可用性。

进一步研究以“计算阶次追踪”（computed order tracking，一种以轴角重采样使故障频率落在固定转数阶次、消除转速影响的表征变换）作为受控表征改变变量。作者比较了两类模型：一类是傅里叶神经算子（Fourier Neural Operator），另一类是与之特征维度匹配的卷积网络（convolutional network）。在轴速发生漂移、故障峰值在频域位置随之移动的设定中，神经算子在阶域内将源域直接迁移准确率从 0.36 提升到 0.61；而匹配维度的卷积网络在频域和阶域两种表征下都停留在接近随机猜测的水平。

在表征选对的前提下，无监督对齐方法的效果发生质变。使用相同的归一化 RBF-MMD 损失且完全不使用目标域标签，神经算子在频域达到 0.71，在阶域达到 0.95，距有监督上限仅 0.02，且在所有留出轴承折中均高于 0.86。一旦表征正确，少量目标域标签带来的额外收益很小。研究还引入第二个数据集，其留出单位不是整只轴承而是故障直径（fault diameters），验证相同协议可暴露出即便有监督模型也无法规避的失败模式。

影响分析

对中文从业者的判断如下：该研究结果提示，做轴承振动诊断类项目的团队若继续按“同轴承训练、同轴承测试”的老套路评估，报告的高准确率可能在换轴承或改转速后大幅退化，现场可靠性设计需要重新审视。工程实现上，优先把原始振动信号转换为阶域特征（通过轴角重采样或计算阶次追踪）再进入模型，比单纯更换对齐损失函数或加大模型容量更可能改善跨工况迁移。这一判断基于文中两组对照：同模型在不同表征下的表现差异远大于不同模型在同一表征下的差异，且该效应在一阶（轴速漂移）场景中最显著。

对中文开发者的实际影响还包括：傅里叶神经算子作为对旋转机械频散特征更友好的架构，在已有阶域预处理流水线上可作为默认候选，替代单纯堆叠卷积层；无监督 MMD 类对齐在阶域下接近有监督上限，意味着现场目标域标签获取困难时（例如无法做大量人工标注的部署环境）仍有可用路线，前提是保证阶次追踪的同步轴角信号质量。同时，第二组故障直径实验也提示，仅按轴承留出的评估仍可能遗漏不同故障直径间的迁移问题，设计验收指标时应将“留出故障参数”纳入测试维度。

适用边界

上述结论的适用边界是：其一，前提是存在可获取且时序对齐的轴角或等效转速信号，用于完成计算阶次追踪或轴角重采样；若现场只有固定采样的时域振动而缺乏同步轴角，阶域表征无法构建，文中 0.95 的阶域结果不适用。其二，故障类型被假设为滚动元素轴承典型故障（点蚀、剥落等），研究并未覆盖齿轮、转子或其他机械故障模式；将本文结论外推到齿轮箱或风机整风塔等场景缺乏证据。其三，文中 0.36、0.61、0.71、0.95、0.97 等数值绑定在特定轴承数据分布、轴速漂移幅度和模型容量设定上，更换轴承型号、改变转速跨度或叠加更复杂噪声时数值会变化，不能视为普适性能上限。其四，第二个数据集的故障直径协议属于探索性验证，文中未给出与主实验相同粒度的多折统计与误差棒，直接套用其失败模式结论到工程验收需额外实验支持。