在使用XJTU数据集时，输出错误的故障类型

[167664]

你好，感谢提供的代码和数据集！

我正在使用您提供的源代码、数据集和预训练权重进行实验。在demo中，正常信号是与查询信号在相同条件下的任意正常信号吗？是否有选取参考信号和查询信号的规则或标准？

我使用了XJTU数据集中的Bearing 1-1的数据，具体选用了以下信号：

• 参考信号：10.csv
• 查询信号：50.csv, 70.csv, 100.csv 120.csv

然而，在输出结果中，我得到了“内圈故障”的结果，而这个并非查询信号中所预期的故障类型（外圈）。请问这种情况可能是由于哪些原因导致的？是否有推荐的信号选择规则或其他需要注意的事项？

[hatton613]

你好，正常信号的选择可以按照 functions/mbhm.py 中的 create_cache_dataset()函数进行。在选择正常信号时，我们仅要求工况相同，并进行随机选择，没有额外的约束。
我在附件中提供了用于训练 FCN 的数据集，该数据集已经匹配好正常信号和查询信号。我们还额外编写了一个脚本，用于评价测试集中来自XJTU样本的诊断准确率，并输出每一个测试样本的正常信号ID和查询信号ID。
实验验证，在我们构建的数据集中的测试集上，来自XJTU的样本精度是接近100%的，但在构建完MBHM数据集后，比较难追溯样本具体来自于原始数据集中的哪个文件。因此具体是由于什么原因导致输出错误可能需要一段时间进行排查。
我会继续跟踪该问题，如果有进一步的结果我会继续更新在此 Issue 中。

[167664]

你好，感谢您的回复与持续跟进！

我们在 dcn.py 中添加了标准化步骤，相关代码如下：

def dcn(data: np.ndarray, length=24000, eps=1e-8): data = (data - np.mean(data)) / (np.std(data) + eps) data = dct(data) data = pad_or_cut(data, length) data = normalize(data) return data

• 加入标准化后，我们使用您提供的预训练权重重新进行了实验：

1. 使用提供的FCN权重，并使用 FCN 网络进行分类时，模型在测试集上准确率良好（可达 90% 左右）。
2. 在使用您提供的微调权重运行 demo.py 时，诊断准确率效果较差，准确率较低。

• 我们参考您在论文中的消融实验设置，仅去除了训练 FCN 时使用的 IMS 数据，保留剩余的数据进行训练，再微调 Qwen，并使用 demo.py 测试 IMS 数据集，结果同样表现出准确率极低的问题。

我们有几点想进一步请教：

您是否可以提供论文的消融实验（w/o CWRU&XJTU）和 (w/o JUST&IMS) 的 FCN 与 Qwen 微调后的权重文件？
针对我们上述实验结果，您认为可能造成微调模型准确率较低的原因有哪些？

非常感谢您的帮助与指导！

[hatton613]

1. 在DCT之前增加时域信号的标准化不会显著DCN的结果，因为DCT后会重新对频域信号进行归一化，我们在多个信号样本上测试的结果表明，是否进行初步的时域信号标准化不会带来显著的DCN结果差异。
2. 我们所提供的FCN的权重在上个回复中提供的测试集上应该能达到98%以上的准确率，你也可以使用 src/pre_training.py 重新训练FCN，应该也能达到近似的准确率。如果测试集的准确率只有90%左右，那么可能存在某些影响结果的因素，例如测试设置和流程与我们提供的不一致。
3. BearLLM的运行逻辑是基于FCN，将振动信号映射到与故障标签相关的文本嵌入，再使用微调的LLM针对多种健康管理任务输出响应。因此，在故障分类方面，FCN的准确率应该与BearLLM的准确率相当，如果这两者差异较大，需要排查运行demo时的FCN的输出（可以在 src/fine_tuning.py 文件里的 AlignmentLayer.forward(self, x) 函数中的 x = self.softmax(x) 后添加一个 print）与BearLLM输出的故障类别是否一致。
4. 消融实验的实验结果主要是为了验证方法的有效性，相关权重可能对于解决以上这些问题帮助不大，目前没有花费精力整理代码和公开权重的计划。

[hujunwei1226]

感谢您提供代码和相关解释！
您解释的create_cache_dataset函数进行信号的选择，那么论文中表2中: 提出的方法Ours 怎么选择在CWRU、DIRG、HIT……这些数据集上进行训练测试？

[hujunwei1226]

您好，感谢您的代码与及时回复！
1、”您是否可以提供论文的消融实验（w/o CWRU&XJTU）和 (w/o JUST&IMS) 的 FCN 与 Qwen 微调“代码？
2、另个，“分别在每个子集的测试集上进行测试，也就是Test on Individual Datasets”，这里测试代码是统一用这个代码吗？
“我们还额外编写了一个脚本，用于评价测试集中来自XJTU样本的诊断准确率，并输出每一个测试样本的正常信号ID和查询信号ID。” 或者是我理解错了，这里将“ if vib_dataset == 'XJTU':” ,XJTU换成其他数据集如CWRU\MBHM 都不能实现。
不知道能否提供微调BearLLM后，在CWRU、DIRG、HIT、……、MBHM 和 （w/o CWRU&XJTU）、(w/o JUST&IMS) 相关代码及使用说明。