简介针对柴油机故障识别场景该资源提供一个基于MATLAB编程实现的支持向量机SVM分类项目面向机械故障诊断初学者与需要快速落地分类算法的工程技术人员解决利用SVM对柴油机运行参数进行故障判别与预测的核心问题也可作为相关课程实践或毕业设计参考。压缩包内共两个文件包括一个MATLAB主程序和一个柴油机故障诊断数据表整体仅有13KB文件轻量且结构清晰便于直接运行与二次修改。主程序完整覆盖了数据读取、训练集与测试集划分、核函数选择、分类器训练、性能评估与参数优化等关键步骤并通过MATLAB内置的svmtrain、svmclassify等函数串联起完整故障识别工作流所附数据可直接用于复现也可替换为自有工况参数进一步验证模型泛化能力。目前已有194人学习下载适合希望借助MATLAB掌握分类算法建模流程并进一步拓展设备健康管理实践、降低运维成本的读者参考。1. 为什么柴油机故障识别离不开SVM从振动信号到分类器的一次完整落地柴油机是工业现场最皮实也最娇贵的动力设备皮实在于它能在恶劣工况下持续运转娇贵在于气门间隙异常、喷油压力波动、活塞敲缸这类早期故障振动信号里的微弱特征往往被强噪声淹没。我最早做这个方向是给船用柴油机做状态监测样本量不大、标注成本高深度学习模型调了一周精度卡在85%上不去换回支持向量机SVM配一组稳态特征准确率直接拉到95%以上。这个反差背后的逻辑很实在SVM在小样本、高维特征下靠最大化分类间隔来抑制过拟合天然适合工业故障诊断这种“样本稀缺、信噪比低”的场景。在MATLAB里fitcsvm一行命令就能搭起可用分类器配合特征提取、核函数调优和交叉验证整套链路从原始信号到可部署模型通常一到两周跑完。这篇笔记围绕这条落地链路展开适合手里有振动或压力信号、想用SVM做故障识别的工程师参考新手可以照步骤复现熟手可以直接看第4章和第5章的参数边界与坑。2. 数据采集与特征工程把柴油机振动信号变成SVM能吃的特征矩阵2.1 采集方案与信号类型选择振动优先压力与转速做补充常见做法是优先测缸盖振动加速度信号因为气门落座、喷油器针阀开闭、活塞敲缸都会在缸盖振动上留下明显冲击响应。传感器选ICP型加速度计频响范围1Hz到10kHz以上安装方式用磁座或胶粘采样率至少20kHz才能捕获气门落座的瞬态冲击。如果现场硬件受限也可以用缸内压力传感器或瞬时转速信号做替代但后两者对传感器安装位置更敏感特征稳定性不如振动。我一般会采集四种状态的数据正常基线、进气门间隙偏大、喷油压力偏低、活塞敲缸每种状态在额定工况下连续采集60秒以上重复三组。这样做的目的是让同一故障的不同程度波动都进入样本避免SVM只认识“标准故障”而认不出“轻微故障”。这里有个容易被忽视的细节——每组数据之间要停机重启或改变转速再切回来让样本之间保持足够独立。如果连续采集三组中间没有工况变化三组数据高度相关等于只有一份有效样本交叉验证结果虚高。另外采集时最好同时记录转速和负载因为柴油机振动特征对工况非常敏感后面做工况泛化或加入工况特征时这些辅助信息能救你。我习惯在数据文件名里带上日期、工况、故障类型、采集序号比如20250512_1200rpm_intake_clearance_1.mat虽然麻烦但后期整理特征矩阵时能省一整天。2.2 时域与频域特征提取MATLAB代码与参数说明拿到原始振动信号后不能直接丢给SVM因为原始采样点维度太高——20kHz采样一秒就是两万个点而且噪声干扰大。常见做法是分段提取统计特征每段取1024或2048个点对应约50ms到100ms的振动信号对每段计算一组特征。以下是我常用的特征提取代码% 特征提取脚本从原始振动信号中提取时域频域特征 % 输入signal——单段振动信号列向量fs——采样率 % 输出feature——1x14的特征向量 function feature extract_features(signal, fs) % --- 时域特征6个 --- n length(signal); mean_val mean(signal); % 均值反映直流分量 std_val std(signal); % 标准差反映振动能量 peak_val max(abs(signal)); % 峰值捕捉冲击幅值 rms_val sqrt(mean(signal.^2)); % 有效值与振动能量正相关 kurt_val kurtosis(signal); % 峭度对冲击性故障敏感 crest_val peak_val / (rms_val eps); % 峰值因子无量纲 % --- 频域特征8个先做FFT再提取 --- N length(signal); spectrum abs(fft(signal, N)) / N; % 幅值谱归一化 half floor(N/2) 1; spec spectrum(1:half); % 取单边谱 freq (0:half-1) * fs / N; % 对应频率轴 centroid sum(freq .* spec) / (sum(spec) eps); % 重心频率 rms_freq sqrt(sum(freq.^2 .* spec) / (sum(spec) eps)); % 均方频率 f1 sum(spec(1:floor(half*0.1))); % 低频段0~10% Nyquist能量 f2 sum(spec(floor(half*0.1)1 : floor(half*0.3))); % 中低频段 f3 sum(spec(floor(half*0.3)1 : floor(half*0.6))); % 中高频段 f4 sum(spec(floor(half*0.6)1 : end)); % 高频段 total_energy sum(spec); % 总能量 entropy_val -sum(spec / (total_energyeps) .* log(spec / (total_energyeps) eps)); % 谱熵 % 组装特征向量 feature [mean_val, std_val, peak_val, rms_val, kurt_val, crest_val, ... centroid, rms_freq, f1, f2, f3, f4, total_energy, entropy_val]; end这段代码的核心逻辑是时域特征捕捉信号幅度分布的统计规律频域特征捕捉能量在不同频段的分布模式。柴油机故障会同时改变这两类模式比如气门间隙过大时高频段能量占比和峭度都会上升喷油压力不足时中低频段能量和重心频率会偏移。代码里的eps是为了防止除零处理静默信号段时能避免NaN传播。特征段长度建议设为信号长度的一半到四分之一做重叠比如信号长60秒、采样率20kHz每段2048点、重叠1024点这样一组60秒数据能产生大约1170个样本段特征矩阵维度为1170x14。这里要注意重叠率太高比如超过75%会让相邻样本高度相关训练和测试集划分如果不小心把一组的样本切到两边交叉验证的“伪准确率”会很高。重叠率一般控制在0到50%之间我习惯用50%——既保证样本量又保留一定独立性。2.3 特征标准化与标签编码训练前必做的两步特征矩阵建好后有两个步骤不能省。第一步是标准化因为均值、标准差、谱能量这几个特征的量纲差异很大峰值可能是几十谱熵只有几个比特如果不做标准化SVM的间隔计算会被大量纲特征主导。MATLAB里推荐用zscore或mapminmax我一般用zscore保留数据分布形状% 标准化与标签编码 % X——NxD特征矩阵labels——字符串数组或cell数组 load(diesel_features.mat); % 假设已包含 X 和 labels X_norm zscore(X); % 每列零均值、单位方差 [~, ~, label_idx] unique(labels); % 字符串标签转为1,2,3... unique_labels unique(labels); % 记住标签顺序后面要用label_idx就是SVM训练时需要的Y它必须是数值向量或分类变量不能直接放字符串数组。unique_labels用于训练后映射回可读状态名。我踩过直接拿字符串当标签的坑fitcsvm会报错或行为异常所以标签编码这步放在标准化旁边一起做形成固定的预处理管线。标准化有一个容易被忽略的细节当数据是分段提取的特征时均值和标准差应基于训练集的样本段计算而不是基于整段连续信号。如果先对整个原始信号计算全局均值和标准差再去标准化每段特征统计量会被整段信号的总特性主导削弱了不同状态之间的差异。虽然严格来说这不算错误但在故障特征本来就不明显的情况下细节差异会影响最终分类精度。3. 用MATLAB训练SVM分类器从二分类到多分类的代码与参数3.1 fitcsvm最小可用代码先从正常vs异常二分类开始拿到标准化特征矩阵后第一件事先做一个二分类验证管线通了没有。以“正常”为负类、“某一种故障”为正类用fitcsvm训练% 二分类SVM最小示例 % 假设 X_norm 是标准化的特征label_idx 是二值标签0正常1故障 mdl fitcsvm(X_norm, label_idx, ... KernelFunction, rbf, ... BoxConstraint, 1, ... KernelScale, auto, ... Standardize, false, ... % 因为我们已提前标准化 CrossVal, on, ... % 自动做10折交叉验证 KFold, 10);KernelFunction选了rbf高斯径向基这是故障识别里默认且最稳的核能处理特征和标签之间的非线性关系。BoxConstraint控制误分类惩罚等于1是保守起步值宁可欠拟合也不要第一步就过拟合。KernelScale设成auto让MATLAB自动估计单个特征尺度省去手动试探。CrossVal开启交叉验证KFold设10这个值能在样本量几千时给出较稳定的评估。注意这里Standardize设成了false因为我已经在外部做过zscore。如果你跳过了第2.3节可以直接让fitcsvm内部标准化Standardize设为true即可两种方式效果等价但不要同时开否则会把双重标准化的数据喂给模型。训练完成后用交叉验证损失评估模型% 查看交叉验证损失与混淆矩阵 cv_loss kfoldLoss(mdl); fprintf(10折交叉验证错误率: %.2f%%\n, cv_loss * 100); % 提取验证预测标签 pred kfoldPredict(mdl); confusionchart(label_idx, pred);这里的confusionchart是我比较推荐的检查工具它能直观显示哪些类别被错误分类到哪一类。在二分类阶段最理想的结果是两类各占对角如果发现某一类被大量误判说明特征或核参数有问题进入第4章调参。二分类的作用不只是验证管线它还能帮你快速评估“这个故障和正常的可分性到底有多强”。如果二分类交叉验证错误率已经高于10%那这个故障特征本身就不够干净后续多分类大概率会出问题先回头补特征比硬调SVM参数更有效。我一般对每个故障类型都单独做一个和正常的二分类交叉验证错误率全部低于5%才放心进入多分类。3.2 多分类扩展fitcecoc与一对一策略柴油机故障识别往往是多分类问题正常、气门间隙大、喷油压力低、活塞敲缸四类。fitcsvm本身只支持二分类多分类要靠编码方案包装。MATLAB提供的fitcecocerror-correcting output codes就是干这个的默认用一对一策略——四类问题拆成6个二分类器每个分类器只区分其中两类最终投票输出结果% 多分类SVM四类故障识别 % label_idx 是1~4的整数标签 mdl_multi fitcecoc(X_norm, label_idx, ... Learners, templateSVM(KernelFunction, rbf, ... BoxConstraint, 1, ... KernelScale, auto), ... Coding, onevsone, ... CrossVal, on, ... KFold, 10);Learners传入templateSVM生成的基学习器模板每个二分类器都遵循相同的核函数和超参数。Coding指定编码方式onevsone是四类问题最常用的选择比onevsall更稳定因为每个子问题样本更均衡——onevsall在类别数多时会遇到正负类比例悬殊的问题。训练结束后同样用kfoldLoss和confusionchart评估多分类效果这一步能暴露“某一类总是被吞掉”的问题具体原因我在第5章展开。fitcecoc的一个细节多分类的评估不能只看总体准确率要逐类看召回率。柴油机故障识别里漏报比误报更危险——把“气门间隙大”判成“正常”会带来安全隐患。我习惯从混淆矩阵里提取每类的召回率重点关注最低值这比整体准确率更能反映模型的实际可用性。3.3 训练集/测试集划分与交叉验证的配合工程上不建议直接拿全部数据做交叉验证那样评估结果偏乐观。我一般先按“实验组”划分同一工况下连续采集的三组数据两组用来训练含交叉验证一组留作最终测试。这种划分方式比随机划分更贴近实际使用场景能暴露过拟合风险。随机划分的问题在于同一实验组内的样本是高度相关的随机打散后训练集和测试集里都混有同一个实验组的数据段模型在测试时相当于见到了训练数据的“近亲”指标虚高。按实验组划分的代码逻辑如下% 按实验组划分假设每组数据各存了N段特征 % 组1、组2作为训练组组3作为测试组 filelist dir(features_*.mat); % 按命名规则读入 train_feat []; train_lbl []; test_feat []; test_lbl []; for i 1:length(filelist) load(filelist(i).name); % 每个文件含feat, lbl, group_id if group_id 1 || group_id 2 train_feat [train_feat; feat]; train_lbl [train_lbl; lbl]; else test_feat [test_feat; feat]; test_lbl [test_lbl; lbl]; end end这个划分纪律有两个关键点一是测试组在模型开发全过程中只能碰一次——最终验证用任何基于测试组结果往回调参的动作都相当于把测试组信息泄漏到模型里二是交叉验证只在train_feat上做。如果你只有两组数据可以用一组训练、一组测试但评估稳定性差一些折中方案是每组多采集几个工况然后按工况而不是按组划分。交叉验证本身也要注意分层。KFold默认分层随机能保证每一折中各类别比例和总体一致。但如果你已经手动划分了训练集和测试集交叉验证建议只在训练集内部做千万别把测试集样本也塞进去交叉验证——那等于提前看了答案。我在项目里会写一个辅助脚本检查train和test的标签分布有没有明显不平衡如果某类故障在测试组里只有20个样本模型对它的评估方差会非常大此时说明数据采集阶段补样本比模型调参更紧迫。4. 核函数与参数调优让SVM在柴油机数据上不翻车的实战路径4.1 核函数选型RBF为什么是默认且唯一SVM四种常用核函数——线性核、多项式核、RBF核、sigmoid核——在柴油机故障识别里我几乎只推荐RBF。原因有两个一是故障特征和故障类别之间的关系通常不是线性可分线性核能力不足二是多项式核和sigmoid核各有奇奇怪怪的参数边界问题比如多项式核的阶数一高数值就爆炸sigmoid核在某些参数组合下不满足正定条件导致优化失败。对比测试时RBF核的识别准确率在多数工况下都是最高的。RBF核唯一需要关心的超参数就是KernelScaleγ的倒数。KernelScale过大决策边界过于平滑欠拟合KernelScale过小边界过于复杂把噪声也学进去了容易过拟合。实操中KernelScale的合理范围通常在0.1到100之间具体值要靠搜索确定不要拍脑袋。我做过一次线性核的对比测试在14维特征上线性核和RBF核的准确率差距大约在3%到8%之间——RBF略高但线性核训练速度快几倍。如果你的特征工程本身已经把非线性关系处理得差不多了比如用小波包特征做了能量归一化线性核不一定差。但作为默认起点RBF是最稳的选择。SVM对过拟合的相对鲁棒性让它在这个场景里比梯度提升模型更省心——不需要担心树深度、学习率、正则化系数三个参数之间的互相影响RBF的决策边界更光滑更适合故障类别边界模糊的物理问题。4.2 网格搜索与贝叶斯优化BoxConstraint和KernelScale怎么调BoxConstraint和KernelScale是最影响SVM性能的两个参数。MATLAB里两种调参方式比较实用网格搜索适合参数范围明确的小规模搜索fitcsvm自带的OptimizeHyperparameters用贝叶斯优化适合不想手动设网格的场景。我常用的是网格搜索因为可控性强而且能顺手画出参数热图判断稳定性% 网格搜索最佳参数 box_range [0.1, 1, 10, 50, 100]; scale_range [0.1, 0.5, 1, 5, 10, 20]; results zeros(numel(box_range), numel(scale_range)); for i 1:numel(box_range) for j 1:numel(scale_range) mdl_tmp fitcecoc(X_norm(train_idx,:), label_idx(train_idx), ... Learners, templateSVM(KernelFunction, rbf, ... BoxConstraint, box_range(i), ... KernelScale, scale_range(j)), ... CrossVal, on, KFold, 10); results(i, j) kfoldLoss(mdl_tmp); end end [min_val, min_pos] min(results(:)); [best_i, best_j] ind2sub(size(results), min_pos); fprintf(最佳参数: BoxConstraint%.1f, KernelScale%.1f, 错误率%.2f%%\n, ... box_range(best_i), scale_range(best_j), min_val*100);这段代码先在粗网格上找最优区域再在最优区域附近加密网格精搜。注意训练集和测试集的隔离——上面代码只用train_idx参与参数搜索测试集不进入任何一轮交叉验证。我见过有人整个特征矩阵参与搜索最终测试指标虚高部署后实际效果对半折。粗网格搜索一次可能要跑几十个模型每轮10折交叉验证数据量几千样本时每轮在1秒级别总共几分钟到十几分钟在可接受范围。如果样本量过万建议改用OptimizeHyperparameters它用贝叶斯优化能在30次左右评估内收敛到不错的参数组合比全网格省一半时间。另一个容易被忽略的点是KernelScale和BoxConstraint存在交互效应BoxConstraint变大惩罚加重时模型更依赖RBF核的局部拟合能力此时KernelScale宜适当下调。反之BoxConstraint小时KernelScale宜偏大保持平滑。所以如果是网格搜索尽量两个参数同步扫不要固定一个调另一个否则容易错过综合最优区域。4.3 特征降维与SVM结合PCA到底要不要做PCA在SVM流程里是可选步骤做不做取决于两个指标特征数是否超过样本数、特征间相关性是否过高。第2章的特征向量只有14维样本数通常上千这种情况下PCA没必要直接SVM就是最优解。但如果特征扩展到几十上百维比如加了小波包分解的每个频带能量PCA就有价值了% PCA降维保留90%方差的主成分 [coeff, score, latent] pca(X_norm(train_idx,:)); explained cumsum(latent) / sum(latent); k find(explained 0.9, 1); % 找保留90%方差所需最少主成分数 X_pca score(:, 1:k); % 降维后的训练特征这里有个工程细节pca在train_idx上拟合然后coeff要用于测试集投影不能对测试集单独做PCA再训练那会引入数据泄漏相当于测试集的信息参与了训练阶段。正确做法是% 用训练集拟合的coeff对测试集做投影 X_test_pca (X_norm(test_idx,:) - mean(X_norm(train_idx,:))) * coeff(:,1:k);这样测试集的降维完全由训练集统计量决定评估结果可信。我的经验是PCA在特征维度低时收益很小有时反而去掉了一些SVM能利用的弱判别信息准确率不升反降但特征高度冗余时比如小波包32个频带能量PCA可以稳住训练速度并轻微提升泛化性。要不要做跑一版对比就知道了不要默认加PCA也不要默认不加。5. SVM柴油机故障识别的常见坑与排查5.1 现象训练集准确率99%测试集只有60%原因这是最典型的过拟合通常来自两个地方——核参数过于激进KernelScale过小或特征矩阵中包含大量与故障无关的冗余维度。我做船用柴油机项目时第一次调参RBF核的KernelScale设到0.01训练集误差几乎为零但测试集一换工况就崩。解决先用交叉验证结果代替训练集误差作为指导指标。如果交叉验证错误率远高于训练集错误率说明过拟合把KernelScale往大调比如从0.1调到1再到10同时BoxConstraint往小调比如从10降到1。另外检查一下特征矩阵里有没有包含泄漏性特征比如直接用了采集时间戳或实验批次号作为特征。5.2 现象不同工况下同一故障类型识别结果完全不一致原因SVM决策边界在训练工况下可能过拟合了该工况特有的噪声模式。柴油机转速从1200rpm变到1800rpm时振动能量分布整体上移如果训练数据只在单一转速下采集模型学到的边界在实际多工况下就失效了。这是工况泛化问题。解决数据采集阶段就跑多个工况每种故障类型在每个转速下都采集。如果现场工况范围确实很宽考虑在特征里加入转速、负载等工况参数让SVM学到“工况特征→故障”的映射关系而不是单纯“特征→故障”。我后来把转速均值作为第15个特征加进去跨工况泛化性能明显改善。5.3 现象多分类总有某一类被吞掉原因fitcecoc在一对一投票模式下如果某个类别样本数远少于其他类别该类的各个二分类器都可能偏向对手类别最终投票时该类总是输。另外重叠的类别对比如喷油压力偏低和活塞敲缸早期特征很像也会导致某个类别识别率低。解决先看混淆矩阵确认是哪一类被吞。其次是类别平衡处理对样本少的故障类型做过采样最简单的方式是直接复制该类样本注意复制后要在特征上加微小的随机噪声防止完美重复样本导致SVM对偶问题退化。还要检查是否存在两个类别确实难以区分——此时不一定是模型问题而是特征不够判别可以回到特征提取阶段补充时域冲击特征或倒谱特征。5.4 现象MATLAB报错“Y must contain exactly two unique values”原因fitcsvm是二分类器标签向量里出现了超过两个取值。这个问题常见于把多分类标签直接丢给fitcsvm而不是用fitcecoc也有可能是标签向量里有NaN或空值导致unique计数额外多出一种。解决确认用fitcecoc处理多分类或者把标签限定为两类再训练fitcsvm。用unique(label_idx)检查实际标签值排除NaN或异常值。补充一点fitcecoc的输入标签允许是分类变量categorical但不能是字符串数组我在代码里把这个问题处理好后这类报错基本消失。5.5 现象交叉验证指标很好现场部署识别延迟严重原因模型本身没问题问题是推理链路。我遇到过一种情况——训练时所有特征一次算好但部署时常需要分帧提取特征、排序后送入模型如果特征提取代码没有向量化单段振动信号提取14个特征可能要几十毫秒到上百毫秒在线监测系统对实时性要求高时就会卡。解决把特征提取脚本预编译成MATLAB Function或利用codegen部署到C代码或者把训练好的SVM模型用fitcecoc的Compact版本保存——compact模型体积小、推理路径短% 保存紧凑模型用于部署 compactMdl compact(mdl_multi); % 去掉训练数据引用 save(diesel_svm_model.mat, compactMdl, unique_labels, coeff);注意compact后交叉验证信息就没了所以是在调试完最终参数后、部署前做这一步。6. 从实验室到现场SVM故障识别模型的最终验证与部署技巧模型参数定稿后最后一关是盲测。我在项目里保留的那组测试数据在调参全过程一次都没碰过直到所有参数锁定才跑一次最终预测% 最终盲测一次性验证不做任何迭代 test_features extract_features_all(test_signals, fs); test_X zscore(test_features); % 用训练集的均值和标准差 test_X (test_X - mean(train_feat)) ./ std(train_feat); pred predict(compactMdl, test_X); acc mean(pred label_idx(test_idx)); fprintf(最终盲测准确率: %.2f%%\n, acc*100);这里有个细节值得强调zscore必须以训练集均值和标准差为准而不是对测试集单独算。我在一次评估中发现盲测准确率比交叉验证还高查了半天才发现是这部分写错了——用了测试集自己的统计量做标准化相当于把测试集信息泄漏进了模型输入。修正后准确率回归到合理的区间。部署到现场监测系统时我习惯多加一道置信度判断当SVM输出的决策值predict的第二个返回值score落在决策边界附近时不直接报警而是标记“待确认”。因为SVM输出的是距离决策边界的分值不代表真实概率直接当概率用非常容易被误报警。如果业务上需要概率输出可以额外训练Platt缩放但这类输出在小样本下校准效果有限不如直接设定决策值阈值更可控。另一个我长期养成的习惯是把每次现场新增的标记样本保留下来按季度增量更新模型。SVM的魅力在于支持向量只占训练集一小部分新增样本如果没有改变支持向量集模型权重几乎不变更新成本很低。这也让我在项目落地后敢用真实故障数据继续喂养模型而不是训完就扔。希望这篇笔记里的代码和参数边界能帮你少走几个弯路祝你的柴油机故障识别模型一次跑通也希望你的胆子大一些拿真实数据去验证。希望帮到你。本文还有配套的精品资源点击获取
