让模型说清它凭什么判断：一次可解释时频表示的设计取舍
0次浏览0条评论0个赞
业务问题：转速一变、噪声一大，旋转机械的故障时频图要么糊成一片，要么故障脊线断断续续 —— 工程师看不出故障到底在哪。 设计核心：把经典的「匹配追踪」（一种把信号拆成若干有物理含义的分量的方法）做成网络里的可解释单元，每个单元配一个权重增益说明自己贡献了多少；训练用结构相似度衡量整体结构像不像，而不是逐点差值。 关键结果：6 个实测样本的故障脊线曲率相对误差全部小于 2%（该领域判据的容差上限是 5%）；三个单元的权重增益分别是 0.4977 / 0.8558 / 1.4837，彼此不同。
先说这个领域的两个硬约束，再说分解怎么被搬进网络，最后看它换来了什么。
现场是什么样
设备在变速。齿轮箱的转速在几分钟里从低到高来回变，同时现场还有别的机器在振 —— 强噪声是常态，不是异常。
工程师手上的判断依据是时频图（把信号按「什么时候、哪个频率上有能量」画成一张图）。故障会在图上留下一条随时间起伏的脊线，脊线连不连续、位置对不对，直接决定看不看得出故障。
问题就出在这张图上：转速一变，能量摊开，图就糊；噪声一大，脊线断成一截一截。传统方法能用，但在这种工况下不够稳。
领域约束决定了设计
换到别的领域，第一反应可能是「上更大的模型、堆更多数据」。这个领域有两道约束不允许这么做：
- 样本贵：真实故障信号要拆机器、加工缺陷件、上台架，成本高、周期长，不可能靠堆数据取胜。
- 必须可解释：诊断结论要能回答「你凭什么说这里有故障」。一个只给分数的黑箱，在现场是不可交付的 —— 工程师不会按一个说不出理由的结论停机检修。
所以设计目标是在可解释的前提下把脊线提准，而不是把分数刷得更高。
设计：把「分解」这一步搬进网络
时序信号里同时混着故障冲击、齿轮啮合、结构共振。匹配追踪 [2] 的思路是：一个个地把这些成分分解出来，每次挑出与当前残差最匹配的那个。
我的做法是把这一步做成网络里的单元 [1]，并把「可解释」落到具体位置上：
图 1 · 三个可解释单元串成深度结构，每个单元带一个权重增益（示意图：基于原论文重绘，非原文插图）
- 单元与物理含义对齐：每个单元负责提取一种分量，不是无名的卷积核；
- 权重增益说明贡献：重构时每个单元的参与程度被显式参数化，训练完可以直接读出数值，而不是靠事后归因；
- 训练准则换成结构相似度：时频图是「结构」，逐点误差会把整体形状的偏差和局部噪声的偏差一视同仁；结构相似度关注整体结构是否一致，这与工程师看图的判断方式更接近。
三个权重增益训练完是 0.4977、0.8558、1.4837 —— 互不相同，这本身就是证据：三个单元学到的不是同一件事，可解释性体现在数值上的分工，不靠标签。
结果
在变速工况的齿轮箱实测信号上：
- 脊线曲率相对误差：6 个样本全部小于 2%，而该领域判据的容差上限是 5% —— 误差落在「可直接用于诊断」的区间内（见下图）；
- 能量聚集度（用 Rényi 熵衡量，值越小表示能量越集中）：所有样本都优于 STFT，除 2 个样本外优于对比方法；
- 测试样本的转速刻意覆盖了高于、落在、低于训练转速区间三种情况，用来检验跨转速的泛化，而不是只在训练工况上好看。
图 2 · 误差与容差带的位置关系（示意图：基于原论文重绘，非原文插图）
中段小结：可迁移的不是网络结构
到这里可以先把”为什么这么做”收一句：它的关键不是把匹配追踪搬进网络，而是让每一个分解出来的分量，都带一个说明自己贡献多少的权重增益。可解释性因此是结构的一部分，不是事后解释 —— 读者能直接看到三个单元分别贡献了什么。可迁移的是”把可解释落到结构上”这个做法。
我的部分（如实写）
这篇论文发表在 IEEE Transactions on Neural Networks and Learning Systems（2024 年在线发表，2025 年正式刊出），共 6 位作者，我是第 5 作者，通讯作者是陈祝云教授。
方法与实验对应我硕士学位论文（华南理工大学，2023）的核心章节：分解单元的网络化、权重增益的设计、结构相似度准则以及台架实验验证，是我在学位论文阶段完成的部分。论文的成稿与投稿由课题组共同完成。
把署名位次写清楚，是因为这条设计线索要在系列里被读成「能力」而不是「头衔」—— 我更希望被记住的是这套取舍是怎么做出来的。
结语：这套设计能迁移到哪
「把可解释分解单元嵌进网络 + 用结构相似度训练」不绑定故障诊断。任何满足这两条的场景都适用：信号/图像里混着多种有物理含义的成分，且结论必须能解释给别人听（医疗信号、工业检测、遥测异常定位）。
参考文献
[1] 论文原文：Matching Pursuit Network（IEEE Transactions on Neural Networks and Learning Systems）。DOI: 10.1109/TNNLS.2024.3483954：https://doi.org/10.1109/TNNLS.2024.3483954（2026-10-11 实测可达）—— 所述方法的来源。
[2] Mallat, S. G., & Zhang, Z. (1993). Matching Pursuits with Time-Frequency Dictionaries. IEEE Transactions on Signal Processing, 41(12), 3397–3415. —— 匹配追踪的原始出处；把它做成网络里的可解释单元，起点是匹配追踪那篇论文。
想聊？
这类「领域约束 → 设计取舍 → 可核结果」的问题我正在找场景做深。欢迎邮件聊：[email protected]，或看我的 GitHub。
- 论文原文：DOI: 10.1109/TNNLS.2024.3483954
- 成果页对应条目：Matching Pursuit Network
- 系列后两篇：采样率降 32 倍，故障还看得见吗 · 先判断场景，再决定怎么检索
评论
填个昵称就能发，不需要注册或登录