用 Diffusion-TS 生成轴承振动信号

用 Diffusion-TS 生成轴承振动信号：以 CWRU 数据集为例

摘要：本文介绍如何将 ICLR 2024 论文Diffusion-TS: Interpretable Diffusion for General Time Series Generation的代码适配到 CWRU 轴承数据集，实现无条件振动信号生成。文章涵盖原理速览、环境配置、数据准备、代码解析与训练运行全流程。

一、Diffusion-TS 是什么？

Diffusion-TS 是一种基于去噪扩散概率模型（DDPM）的时间序列生成框架，由合肥工业大学的研究者发表于 ICLR 2024。它有两个核心设计亮点：

1. 可解释的季节-趋势分解解码器

传统扩散模型直接将噪声映射回原始信号，难以解释生成过程。Diffusion-TS 在解码器中引入了趋势合成层（Trend Synthetic Layer）和傅里叶合成层（Fourier Synthetic Layer），将生成信号显式分解为：

x̂₀ = 趋势项（低频多项式） + 季节项（Fourier 基函数） + 残差项

这让模型在生成振动信号时，能自然地捕捉到轴承故障的周期性冲击成分。