仪器仪表学报

作者：乔心航，何清波

单位：乔心航,上海交通大学机械与动力工程学院上海200240,,何清波,上海交通大学机械与动力工程学院上海200240,qbhe@sjtu.edu.cn,

关键词：设备;多通道振动信号;数据插补;扩散模型;故障诊断

基金：上海市市级科技重大专项资助的课题项目（2025KJB-QT-071501-6）、国家自然科学基金项目（52275116）资助

针对旋转设备多通道振动信号在实际采集过程中因传感器故障、通信中断或环境干扰等原因易出现数据缺失,从而导致故障诊断精度下降的问题,故提出一种面向缺失数据插补的改进扩散模型方法。该方法构建了一种基于掩码机制的多尺度条件扩散模型,以去噪扩散概率模型为基础,引入已观测数据作为条件信息,指导缺失数据的逐步生成过程,并对多通道振动信号的联合分布进行整体建模,从而有效刻画通道之间的相关性。在模型结构设计方面,采用U-Net作为骨干网络,在编码器和解码器中堆叠多尺度卷积残差块和线性注意力模块,以增强模型对振动信号时序依赖关系和多尺度特征的提取能力,提高缺失数据插补的准确性和稳定性。通过在轴承和齿轮箱多通道振动数据集上开展随机点缺失和随机块缺失两种典型缺失场景下的对比实验。结果表明,在不同缺失率条件下,所提方法在均方根误差（RMSE）、平均绝对误差（MAE）和对称平均绝对百分比误差（SMAPE）等指标上均优于多种传统方法和现有深度学习插补模型,且插补后信号在时域和频域特征上与原始信号保持更高一致性。进一步将插补后的数据用于故障诊断任务,在轴承和齿轮数据集上的分类精度分别达到95.85%和94.85%,验证了所提方法在提升多通道振动信号数据质量和保障故障诊断性能方面的有效性。

来源：2026年第2期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第2期