🤖 machine learning

Physically Verifiable Evidence and LLM-Based Reporting for Bearing Fault Diagnosis

本文介绍了诊断证据网络（Diagnostic Evidence Network, DENet），这是一个用于轴承故障诊断的框架，通过生成物理可验证的证据（特征频率和冲击定位）进行无标签验证，并约束语言模型仅报告经验证的事实，从而增强了人工智能的可信度，消除了幻觉，并使其能够在安全关键型系统中实现可靠部署。

原作者： Yuntong Chen, Jianyu Liu, Guobin Zhao, Ziang Wang, Chao Chen, Ju Huang, Xitian Tian, Lijiang Huang

发布于 2026-07-28

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Yuntong Chen, Jianyu Liu, Guobin Zhao, Ziang Wang, Chao Chen, Ju Huang, Xitian Tian, Lijiang Huang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是负责维护一群维持世界运转的巨型高速机器人的机械师。这些机器人的心脏是旋转的轴承，如果轴承裂开，整个机器都可能爆炸。几十年来，科学家们一直致力于构建“智能”计算机来监听这些轴承的振动，并大喊：“它坏了！”或者“它没问题！”但问题在于：这些智能计算机就像自信满满的魔术师。它们指着一个轴承说：“我有 99% 的把握它坏了！”但它们无法告诉你为什么。它们只给出一个来自大脑内部的魔力数字（置信度分数）。如果计算机自信地错了，在停机之前，你根本无法根据现实情况去核实它的工作。这就像信任一个天气应用，它说“有 100% 的降雨概率”，却拒绝向你展示云层或雨量计。

为了解决这个问题，研究人员正试图构建一种不仅会猜测，而且能证明其工作的 AI。他们希望计算机不仅能说：“我觉得它坏了，因为我听到了一个符合齿轮裂纹数学规律的特定‘砰砰’节奏。”这篇论文正是针对这一问题展开的。它在问：我们如何让 AI 的诊断能够根据物理定律进行人工校验？作者引入了一种新系统，它不像是一个只会给出猜测的侦探，而更像是一个会留下物理线索的侦探。他们还解决了第二个问题：当我们使用高级 AI 作家将这些线索转化为给老板的报告时，这些作家有时会编造事实（幻觉）。这篇论文展示了如何在保持报告易读性的同时，阻止作家撒谎。

侦探的工具箱：DENet

本文的作者利用来自中国和新加坡大学的轴承数据，构建了一个名为 DENet（诊断证据网络）的新系统。请不要把 DENet 看作是一个单一的大脑，而要把它看作是一个由三个特定职责组成的侦探团队，它们协同工作以破解轴承损坏之谜。

1. 分类器（“是谁”）：
首先，系统观察振动声音并猜测故障类型。是内圈裂纹？外圈裂纹？还是仅仅是健康的轴承？这是传统的部分，表现非常出色，准确率高达 98% 到 99%。

2. 频率计数器（“是什么”）：
这是神奇之处。每当轴承出现特定裂纹时，它都会产生一个特定的节奏“砰砰声”（频率），这个频率是由滚珠的大小和轴的转速决定的。这就像一面鼓：如果你知道鼓的大小和敲击的速度，你就知道精确的音调。
DENet 不仅仅是猜测故障；它还会预测那个“砰砰”声的音调（频率）。

校验： 系统将预测的音调与其根据轴承蓝图计算出的“理论音调”进行对比。
结果： 如果 AI 说“外圈裂纹”，但它听到的音调与外圈裂纹的数学计算不符，系统就会意识到出问题了。这就像一个侦探说：“我觉得嫌疑人很高，但脚印却很小。”这种不匹配就是一个红旗信号。
惊艳之处： 论文显示，即使是在传统数学工具难以捕捉清晰信号的微小片段（1,024 个点长）中，该系统预测音调的误差也仅为约 6 Hz（赫兹）。

3. 脉冲定位器（“在哪里”）：
第三项工作是指出声音波形中发生“砰砰”声的具体时刻。它会高亮显示原始声波中能量激增的那个瞬间。这让工程师能够查看原始数据并说：“没错，就在那里！就在那里有一个峰值！”

“置信度陷阱”与新的安全网

论文认为，检查 AI 的旧方法——查看其“置信度分数”（例如，“我有 99% 的把握”）——是有缺陷的。为什么？因为 AI 可以非常有信心，但仍然完全错误。这是一个“盲点”。

作者发现，他们新的频率偏差检查（将预测音调与真实数学计算进行对比）起到了超灵敏报警器的作用。

他们在三个不同的公开数据集（CWRU、Paderborn 和 JNU）上进行了测试。
当 AI 出错时，频率检查在其中一个数据集上捕捉到了 97% 的错误，在另一个数据集上捕捉到了 87% 的错误。
至关重要的是，即使在 AI 自信地 犯错时，这种检查依然有效。它发现了那些旧有的“置信度分数”方法完全忽略的错误。这就像是有一双第二只眼睛在检查数学题，无论第一位侦探叫得多么大声。

“翻译官”问题：阻止 AI 撒谎

一旦 DENet 收集齐了线索（故障类型、音调、位置），团队需要将这些线索转化为给人类经理的通俗易懂的报告。他们使用了一个大语言模型（LLM）——一个超级聪明的 AI 作家——来完成这项工作。

但存在风险：这些作家很有创造力。有时，为了让故事听起来更精彩，它们会捏造事实。它们可能会说：“轴承还能再用 5 天”，即便数据从未提到过这一点。这就是“幻觉”，而在工厂里，一个编造的事实可能是危险的。

他们测试了两种阻止方法：

提示词工程（Prompting）： 仅仅告诉 AI 作家，“请不要编造事实。”
微调（Fine-Tuning）： 实际上用完美的报告范例来教导 AI 作家。

研究结果：

当他们仅仅给出指令（提示词）时，AI 在 10% 到 12% 的报告中仍会编造说法。这就像告诉一个孩子“不要撒谎”，但他们还是会撒谎。
当他们对 AI 进行微调（使用一种称为 QLoRA 的方法，基于 500 个完美报告的范例）时，编造说法的比例降至仅 2%。
更棒的是，经过微调的 AI 完全停止了捏造数字（编造率为 0%）。
微调过程在标准计算机上仅需 6 分钟，这是一种廉价且简单的修复方案。

这对未来意味着什么

论文得出结论，我们不需要等待 AI 变得更“聪明”于猜测才能信任它。相反，我们需要改变它提供给我们的内容。通过强制要求 AI 在给出猜测的同时提供物理证据（音调和位置），我们可以根据物理定律来核实它的工作。

作者谨慎地指出，该系统在带有人工损伤的受控实验室环境下表现最好。他们尚未在真实工厂中测试过陈旧、自然磨损的轴承，这也是下一步的工作。但核心理念是稳固的：不要仅仅信任 AI 的置信度；要检查它的作业。 如果数学对不上，即使是一个充满信心的 AI 也应该受到质疑。

简而言之，这篇论文在深度学习的“黑盒”与物理现实的“白盒”之间架起了一座桥梁，确保当 AI 说一台机器坏了时，它能拿出证据来证明。

技术摘要：用于轴承故障诊断的物理可验证证据与基于 LLM 的报告生成

1. 问题陈述

在安全至上的机械系统中，部署基于人工智能的故障诊断面临着一个关键瓶颈：模型输出缺乏可验证性（verifiability）。目前的智能诊断器通常仅输出一个类别标签和一个 Softmax 置信度分数。这种置信度分数是分类器的内部统计量，无法为预测结果是否符合物理现实提供独立的验证手段，从而无法在采取维护措施前进行校验。此外，随着使用生成式大语言模型（LLM）来自动化维护报告，引入了第二个风险：即“幻觉”内容进入报告，导致陈述无法追溯到可验证的来源。

现有研究试图通过改进编码器架构、后验解释性（如 Grad-CAM）、物理信息训练、不确定性量化或集成 LLM 来解决这一问题。然而，作者认为这些方法都无法提供一种可以在推理阶段与独立已知的物理参考进行比对的量值。归因图缺乏理论参考值；物理信息训练虽然在内部消耗了物理知识，但并未将其返回给用户；而基于置信度的检测器在模型“自信地犯错”时则会失效。

2. 方法论

本文提出了诊断证据网络（Diagnostic Evidence Network, DENet），这是一个与编码器无关的多任务框架，旨在将诊断输出从简单的“标签-置信度”对扩展为结构化的、物理可验证的证据记录。该框架由三个主要部分组成：

A. BiMS-Mamba 编码器

默认骨干网络是**双向多尺度 Mamba（BiMS-Mamba）**编码器。它利用选择性状态空间模型（S6）来捕捉局部瞬态模式（脉冲）和全局时间依赖性（周期性特征），其计算复杂度为线性 $O(T)$ 。其核心设计特征包括：

双向扫描： 两个独立的 Mamba 分支分别进行正向和反向信号扫描，以捕捉完整的上下文信息。
多尺度处理： 输入信号在多个分辨率下进行处理（尺度为 1, 2, 4），以捕捉高频脉冲和低频重复模式，并通过通道注意力机制进行融合。

B. 诊断证据网络 (DENet)

DENet 在主任务——故障分类之外，通过两个受物理约束的辅助任务增强了编码器：

特征频率回归： 网络根据轴承几何结构和转轴转速预测特征频率（如 BPFO, BPFI）。
- 标注策略： 对于故障样本，目标是理论特征频率；对于正常样本，目标是轴旋转频率 ( $f_r$ )。
- 训练增强： 应用了时间拉伸增强（将时间缩放因子 $r \in [0.8, 1.25]$ ），以防止网络通过记忆“类别-频率”查找表来作弊，从而迫使网络从信号内容中提取频率信息。
- 输出： 一个可以与基于特定轴承几何结构推导出的理论值进行比较的预测频率值。
瞬态脉冲定位： 序列级头部输出一个瞬态脉冲事件的概率图。
- 真值生成： 通过自动化流水线（希尔伯特变换、平滑处理、峰值检测）来识别具有高瞬态能量的区域，无论这些能量源于故障还是良性的机械激励。

C. 基于 LLM 的报告生成

采用经过 QLoRA 微调的大语言模型（基于 Qwen2.5-7B-Instruct）将结构化证据记录转化为自然语言报告。

严格的分工： LLM 严格充当翻译器而非诊断器。它接收来自 DENet 的决策（分类、频率、脉冲统计数据）并将其渲染为散文形式。
约束条件： 对 LLM 进行微调，以确保报告中的每一句话都能追溯到特定的证据字段，从而防止生成无依据的陈述或捏造的数量。

3. 核心贡献

DENet 框架： 一个与编码器无关的框架，它将诊断输出扩展到了包含单样本物理证据（特征频率预测和瞬态脉冲定位）的维度，且未造成显著的准确率损失。频率头在 1,024 点分段上实现了约 6 Hz 的平均绝对误差（MAE），而在这种长度下，传统的频谱估计（FFT）在结构上是无法应用的。
独立可靠性信号： 预测频率与理论频率之间的偏差 ( $|\Delta f|$ ) 作为一个无标签、推理时验证信号。它能有效检测误分类，其 AUROC 高达 0.970（Paderborn 数据集）和 0.871（JNU 数据集），并且在传统基于置信度的检测器失效的高置信度区间内依然具有判别力。
负责任的 LLM 集成： 提供了一种用于维护报告的框架，通过微调后的 LLM 来翻译 DENet 的决策。研究表明，虽然仅靠提示词约束（prompt-level prohibitions）仍会导致 10–12% 的报告存在未经支持的陈述，但轻量级的 QLoRA 微调将该比例降至 2%，并完全消除了捏造数量的情况。

4. 实验结果

该框架在三个公开数据集上进行了评估：CWRU（10 类）、Paderborn（3 类）和 JNU（4 类，混合转速）。

分类性能： 结合 DENet 的 BiMS-Mamba 编码器实现了最先进或具有竞争力的准确率（例如，CWRU 为 99.81%，Paderborn 为 98.68%，JNU 为 99.47%），且与仅进行分类的基准模型相比未损失性能。消融实验证实，辅助任务并未带来可测量的准确率惩罚。
频率预测： 在 Paderborn 数据集上，频率 MAE 为 6.17 Hz。至关重要的是，在混合转速的 JNU 数据集上，该模型实现了 6.10 Hz 的 MAE，显著优于基于类别的常数预测器（9.37 Hz），证明了模型学习的是基于信号的频率估计，而非查找表。
可靠性信号 ( $|\Delta f|$ )：
- 频率偏差指标检测误分类的 AUROC 分别为 0.970（Paderborn）和 0.871（JNU），与校准后的置信度得分相当。
- 高置信度盲区： 在 Softmax 置信度 > 0.99 的样本子集中，频率检查识别出了置信度检测器未能发现的错误。例如，在 Paderborn 数据集上，当 $|\Delta f| > 10$ Hz 时，即使分类器高度自信，其误分类的频率也比频率一致的样本高出约 19 倍。
报告质量：
- 忠实度： 微调将“未经支持的陈述率”从 18%（零样本短提示）降低到 2%，并将“捏造数量率”从 10% 降至 0%。
- 专家评估： 领域专家的盲测显示，微调后的模型在技术准确性（4.50 vs 3.54）、可读性和可操作性方面显著优于零样本基准模型。

5. 重要性与主张

本文声称将智能故障诊断的瓶颈从准确性转向了可验证性。其核心意义在于提供了一种机制，可以在采取行动之前，根据物理现实（轴承几何结构和转轴转速）对预测进行交叉验证。

物理一致性检查： 提出的频率偏差作为一种“零成本”的副产品，允许进行自动交叉验证。它实现了一个简单的升级规则（例如，如果 $|\Delta f| > 10$ Hz，则标记为专家审核），即使分类器报告了高置信度。
值得信赖的生成式 AI： 本研究提供了定量证据，证明对于安全至上的报告任务，微调是必要的，而非仅仅依靠提示工程。它证明了 LLM 可以被约束为确定性模型输出的忠实翻译者，从而消除幻觉并确保每一项陈述都可追溯至特定的证据字段。
局限性： 作者坦诚地指出，目前的频率偏差检查仅适用于故障类预测（而非“正常”类预测，而后者在实际应用中是漏检的主要来源）。他们还澄清，目前并未就偏差机制提出因果性主张（较大的偏差可能源于同时影响两个头部的模糊信号），且验证目前仅限于带有人工损伤的实验室数据集。