AI 特征库 —— 总览

AI 特征库是一组共 26 项的分析。它的目标不是生成一张放进报告的图, 而是产出机器能够学习的数值—— 系数矩阵、状态指标曲线、故障特征频率集合或嵌入向量, 可以直接导出后喂给分类器、异常检测器,或作为产线判定限值使用。

特征库分为四组:特征提取(MFCC、Log-Mel、谱对比度)、时域状态指标、 机器诊断(谱峭度、Kurtogram、轴承特征频率、谐噪比、起音检测)与 AI 层(异常度得分、ONNX 嵌入向量、循环谱相干)。

26 项分析全景

多数分析提供两种形态:一种沿时间轴,一种沿转速轴。两者在 Insert 目录中是各自独立的条目。

特征提取

Insert 条目	输出	vs. 转速变体	详见
MFCC	彩图,系数 × 时间(另含 Δ 与 ΔΔ 图)	有	MFCC 与 Log-Mel
Log-Mel Spectrogram	彩图,Mel 带 × 时间	有	MFCC 与 Log-Mel
Spectral Contrast vs. Time	彩图,子带 × 时间,单位 dB	有	MFCC 与 Log-Mel

时域状态指标

Insert 条目	输出	vs. 转速变体	详见
Shape Factor(波形因子)	曲线,无量纲	有	时域状态指标
Impulse Factor(脉冲因子)	曲线,无量纲	有	时域状态指标
Margin Factor(裕度因子)	曲线,无量纲	有	时域状态指标
Energy Entropy(能量熵)	曲线,0…1	有	时域状态指标

机器诊断

Insert 条目	输出	vs. 转速变体	详见
Spectral Kurtosis (Antoni)	曲线,峭度 vs 频率	—	轴承诊断
Kurtogram	彩图,层 × 频率 + 最优频带	—	轴承诊断
Bearing Fault Features	包络谱 + BPFO/BPFI/BSF/FTF 谐波 + 报警	—	轴承诊断
Harmonic-to-Noise Ratio	曲线,dB	有	轴承诊断
Onset Detection	Novelty 曲线 + 起音个数与时刻	—	轴承诊断

旋转机械

Insert 条目	输出	vs. 转速变体	详见
Fundamental Frequency (YIN)	曲线,F0(Hz)	—	旋转机械特征
RPM from Sound	曲线,估计转速(rpm)	—	旋转机械特征
Gear TSA Indicators	360° TSA 波形 + FM0/FM4/NA4*/ER/SBI	—	旋转机械特征

AI 层

Insert 条目	输出	vs. 转速变体	详见
AI Anomaly Score	得分曲线 + 阈值报警	—	AI 层特征
AI Embedding (ONNX)	嵌入向量(128…2048 维)	—	AI 层特征
Cyclic Spectral Coherence	彩图,循环频率 × 载波频率	—	AI 层特征

把 vs. 转速条目单独计入,本特征库共向 Insert 目录贡献 26 个条目: 特征提取与时域指标 14 项、机器诊断 6 项、旋转机械 3 项、AI 层 3 项。

vs. 时间与 vs. 转速

vs. 时间形态沿时间轴分块,每块给出一个值(或一列)。 vs. 转速形态则在每个转速步的穿越点取一块,因此特征可以直接对着机器转速读, 适合升速/降速工况。

所有 vs. 转速分析的转速来源一致:存在脉冲通道时优先使用脉冲解码转速, 否则从已载入通道中解析 tacho / 转速通道。步宽由 RpmStep 设定(默认 50 rpm), 方向由 SlopeMode 设定(AutoDetect、Runup、Rundown、All)。

Insert 目录中的星级

Insert 目录中每个条目都带一个星级。星级表示该分析当前达到的验证等级, 用来判断该更看重它的绝对数值,还是它的相对趋势。

星级	含义	典型用法
★★★★★	闭式定义,已用解析上已知期望值的合成信号(方波、正弦、脉冲串)验证。	绝对数值可直接使用,例如作为产线判定限值。
★★★★	数学内核已在行为已知的合成信号上验证;与公开参考实现的交叉核对仍在进行中。	非常适合做趋势、对比与机器学习;若要定绝对限值,请先固定分析参数。
(空白)	未定级 —— 通常是因为结果取决于用户自备的模型文件。	结果质量由您提供的模型决定。

在本特征库中,四项时域指标(波形/脉冲/裕度因子、能量熵)及其 vs. 转速变体为五星; 其余分析为四星;唯 AI Embedding (ONNX) 因运行的是用户自备模型而不定级。

典型用法

喂给 AI 模型

在目标通道上插入 Log-Mel Spectrogram(或 MFCC)。
若目标模型采用常见口径(25 ms 帧、10 ms 跳步、64 个 Mel 带、125…7500 Hz), 保持默认参数即可;需要训练域缩放时把 LogMode 切到 ln。
导出结果矩阵作为模型输入;或直接运行 AI Embedding (ONNX),在软件内得到嵌入向量。

滚动轴承的机器诊断

Kurtogram → 读出最优解调频带(中心频率、带宽、层)。
Bearing Fault Features → 填入轴承几何与轴转速,读出包络谱中 BPFO / BPFI / BSF / FTF 哪一个占主导。
Onset Detection 与脉冲/裕度因子 → 确认信号确属冲击型,而非稳态音调。

无标注数据下构建健康指标

录制一批已知良品机器。
用 AI Anomaly Score 配 BaselineExportPath → 保存基线统计量。
新录音上用 BaselineStatsPath 载入该基线;此时得分曲线与阈值报警表达的就是相对已知良品总体的偏离程度。

下一步阅读

本特征库的全部分析都作用于普通时域通道 —— 传声器、加速度计或任何其他被测量。除 vs. 转速变体以及齿轮/轴承类分析需要转速源外,无需任何预处理。