PhyNet：物理变量引导的工业流体系统故障诊断新框架

工业流体输送系统的故障诊断长期面临一个尴尬的现实：传感器越装越多，数据越采越杂，诊断模型却未必更准。原因在于响应信号的形态随工况漂移，而物理变量与响应信号在采样率、观测时长和数据粒度上天然不一致——强行对齐往往引入噪声而非信息。一篇来自 RSS 的最新研究提出了 PhyNet 框架，试图换一种思路解决这个问题：不要求物理变量和响应信号在时间轴上严格对齐，而是让物理变量充当全局运行约束，响应信号作为局部诊断证据。

异构采样下的诊断困境

工业现场的数据异质性远比实验室复杂。物理变量（如压力、流量设定值）通常是低频、长周期的稳态记录，而响应信号（如振动、声发射）往往是高频、短时窗的瞬态序列。传统多模态融合方法隐含地假设各模态可以按时间戳对齐，但在这类场景中，这一假设很难成立：物理变量的观测窗口覆盖数小时，响应信号的采样窗口可能只有几秒，二者既不同步也不同频。

论文指出的核心矛盾正在于此——若把物理变量降采样去迁就响应信号，会丢失工况上下文；若把响应信号上采样去匹配物理变量，则引入虚假的时序结构。PhyNet 的设计绕开了这个两难。

空化（cavitation）是流体机械中常见的物理现象：当局部压力降至液体的饱和蒸气压以下时，液体中会析出气泡，气泡随后在高压区溃灭，产生冲击与振动。对泵、阀、螺旋桨等设备而言，空化既是效率下降和噪声的来源，也是材料侵蚀的主要诱因之一。空化不同发展阶段的响应信号差异细微，且其出现阈值随流量、温度、入口压力等工况变化而漂移，因此仅凭振动或声发射信号判别故障阶段容易混淆相邻状态。这也是空化数据集适合检验“物理变量约束响应信号”思路的原因：工况上下文对区分同类但不同运行条件下的信号具有实质帮助。

物理到响应的交叉注意力机制

PhyNet 的关键组件是 physical-to-response cross-attention。它将物理变量编码为序列级的 token，同时为响应信号设置一个可学习的全局 token，让二者在注意力空间中交互，而不依赖严格的时间对齐。

这一设计的直觉是：物理变量回答的是"系统当前处于什么运行状态"，响应信号回答的是"这个状态下出现了什么异常征兆"。前者是约束条件，后者是证据。交叉注意力让全局响应 token 主动查询物理变量 token，从而在解读局部信号时带入工况上下文。注意力与掩码分析进一步显示，物理变量确实对局部响应的解释起到了实质性约束作用，而不是被模型忽略的冗余输入。

交叉注意力（cross-attention）是 Transformer 架构中的一种注意力形式，其 Query 来自一个序列，Key 和 Value 来自另一个序列，从而让两个来源的信息在表示空间中交互。与自注意力不同，交叉注意力不要求两个序列长度相同，也不要求元素在时间上逐点对应，这正是 PhyNet 处理异构采样的基础。具体到本文，全局响应 token 作为 Query 去检索物理变量 token（Key/Value），使模型在形成局部诊断表示时动态选择相关的工况上下文；注意力权重还可用于分析哪些物理变量对当前判断起了约束作用。

四组基准上的表现

论文在四个基准上评估了 PhyNet，包括三个真实世界的空化数据集和一个公开的两相流数据集。在所有评估指标上，PhyNet 均取得最佳性能。更值得关注的是类别级分析：模型对模糊状态的区分能力有明显提升，这说明性能增益并非来自对简单样本的过拟合，而是确实改善了困难样本的判别边界。

空化数据尤其能说明问题。空化工况下不同故障阶段的信号差异细微，且随流量、压力等运行条件变化而漂移，单纯依赖响应信号容易混淆相邻状态。引入物理变量作为全局约束后，模型获得了区分"同类信号、不同工况"的依据。

两相流指管道或设备中气液（或液固）两相同时存在并共同流动的状态，广泛出现在锅炉、油气输送、化工反应器等场景。两相流的流型（如泡状流、弹状流、环状流）会随流量和含气率变化而转换，响应信号随之改变，因此基于单一信号的故障或流型识别容易受工况干扰。公开两相流数据集为 PhyNet 提供了与空化数据不同的验证场景：物理变量（流量、压力等）作为全局条件，响应信号作为局部证据，二者在采样尺度上的差异同样存在，可用于检验框架的跨场景适用性。

面向部署的设计取向

从工程角度看，PhyNet 的价值不只在于指标领先，更在于它对真实采样异质性的容忍度。工业系统升级传感器、调整采样策略是常态，要求模型在数据管线变动后重新严格对齐并不现实。PhyNet 放弃时序强对齐的假设，换来的是更低的部署门槛和更强的迁移适应性。

当然，该框架目前仍依赖物理变量的可获得性——在物理量测缺失或严重失真的场景下，其优势可能收窄。论文未详细讨论这一边界条件，这或许是后续工作需要补足的方向。但就异构工业环境下的鲁棒诊断而言，PhyNet 提供了一个值得关注的范式：让物理知识约束信号解读，而非让信号迁就物理变量。