Transformer 模型在 2017 年由 Vaswani 等人在論文《Attentionis All You Need》中首次提出。其設(shè)計(jì)初衷是為了解決自然語言處理（Nature LanguageProcessing, NLP）中的序列到序列任務(wù)，如機(jī)器翻譯。Transformer 通過引入自注意力機(jī)制使得處理長距離依賴關(guān)系時(shí)變得高效。因此 Vaswani 等人的論文強(qiáng)調(diào)“注意力是所需的一切”。

傳感器數(shù)據(jù)表現(xiàn)為時(shí)間序列，并且序列內(nèi)部往往存在時(shí)間上的依賴關(guān)系，這些時(shí)間上的依賴能夠反映出設(shè)備的當(dāng)下或未來的狀態(tài)，如何發(fā)現(xiàn)和挖掘序列內(nèi)部的知識和依賴關(guān)系，是以傳感器表征設(shè)備狀態(tài)的工業(yè)領(lǐng)域中故障診斷關(guān)注的重點(diǎn)。

本文中主要關(guān)注 Transformer 在傳感器數(shù)據(jù)中的應(yīng)用，通過其編碼器功能捕獲序列內(nèi)部依賴關(guān)系，尤其是長距離的依賴關(guān)系，并生成輸出數(shù)據(jù)做進(jìn)一步處理。后續(xù)的內(nèi)容將對圖 1 中的編碼器的功能及其在 MATLAB 中的實(shí)現(xiàn)做進(jìn)一步介紹，最后通過一個(gè)案例演示在 MATLAB 如如何設(shè)計(jì)和構(gòu)建 Transformer 的編碼器網(wǎng)絡(luò)，并在信號數(shù)據(jù)集中進(jìn)行訓(xùn)練，同時(shí)也展示了經(jīng)過初步訓(xùn)練后的模型在測試集上的良好測試結(jié)果。由于篇幅所限，文章中不能展示全部過程的 MATLAB 代碼，如果讀者想要測試運(yùn)行代碼，可以掃碼后通過提供的鏈接進(jìn)行下載。

1. Transformer 模型

Transformer 模型的核心是自注意力機(jī)制（Self-Attention Mechanism）及完全基于注意力的編碼器-解碼器架構(gòu)。圖1顯示了在論文《Attention is All You Need》中提出的 Transformer 架構(gòu)，其主要由編碼器（Encoder，圖 1 中左側(cè)部分）和解碼器（Decoder，圖1中的右側(cè)部分）兩個(gè)部分組成，編碼器的輸出序列將編碼器和解碼器關(guān)聯(lián)起來，構(gòu)建跨序列的注意力機(jī)制。

圖 1 Transformer 架構(gòu)

Transformer 編碼器（Encoder）專門用于處理輸入序列，通過引入自注意力機(jī)制，使其能夠高效地捕捉序列中的長距離依賴關(guān)系。而這種依賴關(guān)系體現(xiàn)為輸入序列不同位置之間的相關(guān)性。并且將相關(guān)性信息加入到輸出序列中，使得輸出數(shù)據(jù)包含豐富的上下文信息。

Transformer 解碼器（Decoder）主要負(fù)責(zé)逐步生成輸出結(jié)果。解碼器根據(jù)編碼器生成的上下文信息和前一步生成的輸出，逐步輸出目標(biāo)序列的每一個(gè)元素。在解碼器中，采用了帶有掩碼的自注意力機(jī)制，使得在計(jì)算輸出向量時(shí)只考慮當(dāng)前和之前的輸入數(shù)據(jù)，以保持生成結(jié)果的順序性。同時(shí)，解碼也采用了交叉注意力機(jī)制，將編碼器的輸出結(jié)果引入到解碼器中。通過交叉注意力機(jī)制，計(jì)算與編碼器的輸出序列的相關(guān)性。這一機(jī)制保證解碼器在生成每個(gè)輸出向量（輸出詞）時(shí)，不僅要考慮之前輸出的詞，還要考慮編碼器生成的上下文信息。

本文主要關(guān)注 Transformer 在時(shí)間序列（信號）上的應(yīng)用，主要利用 Transformer 編碼器發(fā)現(xiàn)序列內(nèi)部在時(shí)間上的依賴關(guān)系。接下來將重點(diǎn)介紹 Transformer 編碼器及其在 MATLAB 中的實(shí)現(xiàn)，并利用 Transformer 編碼器構(gòu)建分類模型 。

2.Transformer編碼器及其在MATLAB中的實(shí)現(xiàn)

Transformer 編碼器的主要由輸入、位置編碼（input embedding）、多頭注意力（multi-head attention）、殘差（Add）、標(biāo)準(zhǔn)化（Norm），以及前饋網(wǎng)絡(luò)（Feed Forward）組成。對于每一個(gè)組成部分，在MATLAB中都對應(yīng)的網(wǎng)絡(luò)層。

圖 2Transformer 編碼器

輸入序列

Transformer 的提出是針對序列到序列的自然語言處理任務(wù)。自然語言文本首先被轉(zhuǎn)換為固定長度的向量表示，進(jìn)而形成輸入向量序列。我們以自然語言文本“Do you speak MATLAB”為例，MATLAB 中的文本分析工具箱提供FastText預(yù)訓(xùn)練詞嵌入模型，可以將英文單詞轉(zhuǎn)換為 300 維的詞向量。例如對于“Do”，通過以下操作可以轉(zhuǎn)為300維的詞向量 vec （如下所示）：

基于 FastText 生成詞向量

其中，fastTextWordEmbedding是FastText預(yù)訓(xùn)練詞嵌入模型，word2vec將詞轉(zhuǎn)換為向量表示。進(jìn)而，輸入的自然語言文本被轉(zhuǎn)換為詞向量序列，如圖 3 所示

圖 3 自然語言文本轉(zhuǎn)換為詞向量序列

位置編碼（input embedding）

Transformer 不具備內(nèi)置的序列順序信息，需要通過位置編碼將序列位置信息注入到輸入數(shù)據(jù)中。在 MATLAB 中，通過使用positionEmbeddingLayer層，將序列順序信息注入到輸入數(shù)據(jù)中，如下所示。positionEmbeddingLayer的OutputSize的屬性設(shè)置為詞向量維度。

自注意力機(jī)制

Transformer 模型的核心是自注意力機(jī)制。對于輸入序列中每個(gè)位置對應(yīng)的向量。自注意力機(jī)制首先通過線性變換生成三個(gè)向量：查詢（Query），鍵（Key），和值（Value）。然后，通過計(jì)算查詢和鍵之間的點(diǎn)積來獲得注意力得分（即相關(guān)性），這些得分經(jīng)過 Softmax 歸一化后，用于加權(quán)求和值向量，即生成輸出向量。

以圖3中的輸入序列為例，假設(shè)自然語言文本對應(yīng)的詞向量按順序分別定義為d, y, s, m。并且定義 Query，Key，Value 的轉(zhuǎn)換矩陣為wq, wk, wv。對于詞“you”對應(yīng)的詞向量y，通過線性變換生成的 Query，Key，Value 向量為：

yq = wq × y;

yk = wk × y;

yv = wv × y;

同理，對于詞“Do”對應(yīng)的詞向量d，通過線性變換生成的 Query，Key，Value 向量為：

dq = wq × d;

dk = wk × d;

dv = wv × d;

其它兩個(gè)詞向量以此類推。

圖 4 詞向量的線性變換

對于詞“Do”，計(jì)算其與其它四個(gè)詞的相關(guān)性，分別為：·

rdd =dq· dk

rdy =dq· yk

rds = dq · sk

rdm =dq· mk

其中，rdd，rdy，rds，rdm，分別表示“Do”與自身、“you”、“speak”、“MATLAB”的相關(guān)性。利用 softmax 對相關(guān)性做歸一化處理，并生成歸一化后的相關(guān)性srdd，srdy，srds，srdm，將其它詞對當(dāng)前詞的影響納入的新生成的向量do 中，即：

do=srdd× dv+ srdy× yv + srds× sv+ srdm× mv

使用同樣的計(jì)算，可以得到輸出向量：do，yo，so，mo（如圖5所示）。

圖 5 輸入的序列經(jīng)過自注意力計(jì)算后生成新的輸出序列

通過以上介紹，self-attention 機(jī)制可以總結(jié)出：

通過三個(gè)線性變換（也是要學(xué)習(xí)的參數(shù)，當(dāng)然還包含偏差）對輸入序列的每個(gè)位置的向量衍生出三個(gè)向量，經(jīng)過相關(guān)性計(jì)算以及加權(quán)平均，又轉(zhuǎn)換為一個(gè)輸出向量。但是輸出向量不僅包含自身的信息，還同時(shí)包含了與輸入序列其它位置的依賴關(guān)系（即其它位置向量的相關(guān)性），因此其信息內(nèi)容更加豐富。

每個(gè)輸入序列位置上的計(jì)算過程都是獨(dú)立進(jìn)行，并沒有前后依賴關(guān)系（類似 LSTM），因此可以通過并行計(jì)算進(jìn)行加速

通過獨(dú)立計(jì)算不同位置間的相關(guān)性來捕獲輸入序列內(nèi)部的依賴信息，因此其處理長距離的依賴關(guān)系更有效，可以避免 LSTM 的長距離依賴關(guān)系通過串行傳遞導(dǎo)致的信息不斷衰減問題。

在 MATLAB 中，selfAttentionLayer層實(shí)現(xiàn)了自注意力機(jī)制。NumKeyChannels屬性決定轉(zhuǎn)換后的 Key 向量的維度。因?yàn)?Query 要與 Key 做內(nèi)積，所以 Query 向量的維度與 Key 的維度相同。對于 Value 向量的維度，也可以通過屬性NumValueChannels進(jìn)行設(shè)置。如果NumValueChannels設(shè)置為“auto”，那么其與 key 向量的維度一致 （如下所示）。

自注意力機(jī)制中，線性變換矩陣就是要學(xué)習(xí)的參數(shù)（當(dāng)然也包含偏差）。而參數(shù)規(guī)模通過設(shè)置生成的 Query、Key 和 Value 向量的維度自動決定。例如，當(dāng)詞向量 d 的維度是 300，如果設(shè)置 Key 向量 k 的維度設(shè)置為 512，那么變換矩陣wk（Key Weights）大小為：512×300，即：

自注意力中的 Key 向量生成過程

帶有掩碼的自注意力機(jī)制（Masked Self-Attention）

Masked Self-Attention 主要用于處理序列數(shù)據(jù)中的有序性，使用掩碼來限制注意力的范圍。具體來說，掩碼會遮擋掉未來時(shí)間步的信息，確保模型在生成當(dāng)前位置的輸出向量時(shí)，只能訪問當(dāng)前位置及之前位置的詞向量，以保持生成過程的順序性。在 MATLAB 中，通過設(shè)置selfAttentionLayer層的屬性AttentionMask值為“causal”實(shí)現(xiàn)帶掩碼的自注意力機(jī)制。

多頭自注意力機(jī)制

多頭自注意力通過并行地執(zhí)行多個(gè)自注意力計(jì)算（也就是單頭自注意力計(jì)算），然后將結(jié)果拼接起來。這種方法允許模型在不同的“注意力空間”中捕捉不同類型的信息。這里的“注意力空間”可以用一組 Query、key、Value 向量的線性變換表示。每個(gè)“頭”使用不同的線性變換對輸入序列生成 Query、key、Value，再計(jì)算注意力，并生成不同的輸出向量。將所有頭的輸出向量拼接（concatenate）在一起。拼接后的結(jié)果可以選擇（也可以不選擇）通過另一個(gè)線性變換整合來自所有頭的信息，生成最終的多頭自注意力輸出向量（如圖6所示）。

圖 6 多頭（2頭，two-head）自注意力機(jī)制

在 MATLAB 中，通過設(shè)置selfAttentionLayer層的屬性NumHeads來決定多頭自注意力機(jī)制的頭數(shù)(heads)。

在 Transformer 中，除了自注意力機(jī)制外的前饋網(wǎng)絡(luò)、殘差鏈接、以及層歸一化，都屬于常規(guī)網(wǎng)絡(luò)層，分別對應(yīng) MATLAB 中fullyConnectedLayer、additionLayer和layerNormalizationLayer，這些都是常規(guī)操作，這里就不做介紹。 ▼

3.Transformer編碼器在基于信號數(shù)據(jù)的故障診斷中的應(yīng)用

設(shè)備故障診斷是涉及通過各種傳感器數(shù)據(jù)檢測和識別設(shè)備故障。傳感器數(shù)據(jù)內(nèi)部蘊(yùn)含了時(shí)間上的依賴關(guān)系，這種依賴關(guān)系表現(xiàn)了設(shè)備的動態(tài)變化過程，因此，捕獲傳感器數(shù)據(jù)蘊(yùn)含的動態(tài)變化過程，可以很好的識別和預(yù)測設(shè)備的故障狀態(tài)。

本文的故障診斷案例是針對使用軸承的旋轉(zhuǎn)機(jī)械。這些機(jī)械系統(tǒng)常常因電流通過軸承放電而導(dǎo)致電機(jī)軸承在系統(tǒng)啟動后的幾個(gè)月內(nèi)發(fā)生故障。如果未能及時(shí)檢測這些問題，可能會導(dǎo)致系統(tǒng)運(yùn)行的重大問題。

數(shù)據(jù)集

數(shù)據(jù)集包含從軸承測試臺和真實(shí)生產(chǎn)中的旋轉(zhuǎn)機(jī)械收集的振動數(shù)據(jù)。總共有 34 組數(shù)據(jù)。信號采樣頻率為 25 Hz。設(shè)備狀態(tài)包含三種：健康(healthy)，內(nèi)圈故障（inner race fault），外圈故障（outer race fault）。

由于軸承電流是由變速條件引起的，故障頻率會隨著速度變化而在頻率范圍內(nèi)上下波動。因此，軸承振動信號本質(zhì)上是非平穩(wěn)的。時(shí)頻表示可以很好地捕捉這種非平穩(wěn)特性。從信號的時(shí)間、頻率和時(shí)頻表示中提取的組合特征可用于提高系統(tǒng)的故障檢測性能。圖7顯示了信號在時(shí)域和時(shí)頻域上的顯示。

圖 7 輸入數(shù)據(jù)（信號）在時(shí)域（上）和時(shí)頻域（下）上的顯示

對于信號數(shù)據(jù)，MATLAB 提供了特征提取函數(shù)，可以分別從時(shí)域、頻域和時(shí)頻域上提取特征：

時(shí)域 - signalTimeFeatureExtractor

signalTimeFeatureExtractor 可以提取時(shí)域上的統(tǒng)計(jì)特征，如期望(mean)、均方根(RMS)、標(biāo)準(zhǔn)差(StandardDeviation)、及峰值(PeakValue)。而時(shí)域上的其它特征，如ShapeFactor、SNR等在本文案例中并沒有提取。signalTimeFeatureExtractor 在做信號特征提取的時(shí)候需要設(shè)置一個(gè)窗口（FrameSize），窗口大小決定了計(jì)算統(tǒng)計(jì)特征的采樣點(diǎn)數(shù)量。

頻域 – signalFrequencyFeatureExtractor

signalFrequencyFeatureExtractor 用于在頻域上提取信號的統(tǒng)計(jì)特征，在本文中，主要提取頻率期望(MeanFrequency)、頻譜峰值位置(PeakLocation)、頻譜峰值(PeakAmplitude)、及平均頻帶功率(BandPower)。頻域上的其它特征，如OccupiedBandwidth等在本文中并沒有提取。signalFrequencyFeatureExtractor 在做信號特征提取時(shí)，同樣需要設(shè)置一個(gè)窗口（FrameSize），用于指定每個(gè)幀的采樣點(diǎn)數(shù)，也是頻域特征提取時(shí)分析窗口的大小。當(dāng)處理長時(shí)間信號時(shí)，將信號分成較小的幀可以更有效地進(jìn)行頻域分析。

時(shí)頻域 – signalTimeFrequencyFeatureExtractor

signalTimeFrequencyFeatureExtractor 用于在時(shí)頻域上提取信號的特征，捕捉到信號在時(shí)間和頻率上的變化。在本文中，時(shí)頻上提取頻譜峭度(SpectralKurtosis)和頻譜偏度(SpectralSkewness)。在時(shí)頻域分析中，譜峭度值描述了信號在特定時(shí)間點(diǎn)上的頻譜形狀的尖銳程度或平坦程度，通過頻譜峭度分析，可以識別信號中的瞬態(tài)事件或沖擊。譜偏度值描述了信號在特定時(shí)間點(diǎn)上頻譜的對稱性或偏斜程度，通過分析頻譜偏度，可以識別信號中非對稱的頻率分布。

原始信號經(jīng)過分幀并做特征提取，從具有 146484 采樣點(diǎn)一維數(shù)據(jù)，轉(zhuǎn)換為 1464×30 的二維矩陣，如圖 8 所示。矩陣的行表示時(shí)間點(diǎn)，矩陣的列表示特征。

圖 8 經(jīng)過特征提取的信號數(shù)據(jù)

對于轉(zhuǎn)換后的數(shù)據(jù)，每個(gè)特征可以抽象成一個(gè)傳感器，每個(gè)采樣點(diǎn)同時(shí)從 30 個(gè)傳感器采集數(shù)據(jù)而組成一個(gè)特征向量。一個(gè)樣本共進(jìn)行1464次采樣。這樣就為接下來的 Transformer 編碼器模型訓(xùn)練準(zhǔn)備好了數(shù)據(jù)基礎(chǔ)

基于Transformer編碼器構(gòu)建分類模型

本文是對照《Attentionis all you need》論文中的 Transformer 編碼器，通過Deep Network Designer App構(gòu)建編碼器網(wǎng)絡(luò)，如圖9所示。Transformer 編碼器的每個(gè)組成部分，在MATLAB中都有對應(yīng)的網(wǎng)絡(luò)層，通過這些層可以快速的組建網(wǎng)絡(luò)，并自定義每層的參數(shù)。例如本文中，selfAttentionLayer層的頭數(shù)是 2，并帶有掩碼。

圖 9 基于Transformer的編碼器構(gòu)建故障診斷模型（分類模型）

編碼器的輸出是帶有上下文信息的向量序列，而在設(shè)備的故障診斷中，故障的類型是離散的。本文中，軸承有內(nèi)圈故障、外圈故障、以及健康狀態(tài)三種類型。因此，還需要利用編碼器的輸出向量，進(jìn)一步來構(gòu)建三分類模型。

對于 Transformer 編碼器的輸出向量序列，MATLAB 提供globalAveragePooling1dLayer和globalMaxPooling1dLayer兩種全局池化方法，在序列（或時(shí)間）方向上做向量每個(gè)維度上的數(shù)據(jù)合并。在本文中，編碼器的輸出序列向量的維度是 30，序列長度（時(shí)間步）是 1464，即 1464×30。經(jīng)過數(shù)據(jù)合并后，變?yōu)椋?×30，如圖 10 所示。

圖 10 向量序列在時(shí)間方向的合并

序列數(shù)據(jù)做全局池化后的輸出結(jié)果是一維數(shù)據(jù)，通過連接全連接網(wǎng)絡(luò)層fullyConnectedLayer，進(jìn)一步縮減為三輸出，即對應(yīng)于三分類。最后再通過softmaxLayer轉(zhuǎn)換為概率分布，進(jìn)而判斷所屬類別。整體網(wǎng)絡(luò)模型如圖11所示。

圖11 基于 Transformer 的編碼器構(gòu)建分類模型

模型訓(xùn)練與測試

本文共收集34條信號數(shù)據(jù)，采用隨機(jī)的方式按照 70% 和 30% 進(jìn)一步將數(shù)據(jù)集劃分為訓(xùn)練集和測試集（由于數(shù)據(jù)量有限，訓(xùn)練過程并沒有使用驗(yàn)證集）。

訓(xùn)練集(上)和測試集(下)

模型訓(xùn)練過程，MATLAB 提供了超參數(shù)選項(xiàng)實(shí)現(xiàn)模型的進(jìn)一步調(diào)優(yōu)，而超參數(shù)選項(xiàng)是通過 trainingOptions 函數(shù)設(shè)置的，包括初始學(xué)習(xí)速率、學(xué)習(xí)速率衰減策略、minibatch 大小、訓(xùn)練執(zhí)行環(huán)境（GPU、CPU）、訓(xùn)練周期等等。經(jīng)過 100 個(gè) Epoch 訓(xùn)練的模型在測試集上的測試結(jié)果如下：

圖 12 模型訓(xùn)練過程(上)和測試集精度（heatmap）(下)

從測試的結(jié)果看，Transforme 編碼器對長距離依賴關(guān)系的捕獲效果還是比較好的。

4.總結(jié)

本文的目的主要是介紹 Transformer 模型的編碼器，以及如何使用 MATLAB 構(gòu)建 Transformer 模型，并為讀者提供一種 Transformer 編碼器的應(yīng)用思路，模型本身以及訓(xùn)練過程還有可以優(yōu)化地方，僅為讀者提供參考，也歡迎大家做進(jìn)一步模型結(jié)構(gòu)調(diào)整和精度提升。