前言

能源、石化、冶金等流程工業及制造業、國防領域等現代國民經濟行業中的生產裝備，長期在高溫、重載、腐蝕、疲勞、交變應力等復雜惡劣的工況下運行，裝備中的關鍵零部件等復雜機電繫統不可避免地會出現程度不同、表征不同的故障，從而可能給生產造成重大隱患，嚴重故障更可能導致機毀人亡的事故。故障預測與診斷對於保障裝備運行具有極為重要的意義。屈梁生院士指出，裝備的故障診斷問題本質上就是一個模式識別問題。因此，人工智能、機器學中的模式識別方法不斷地在故障診斷領域得以應用與發展，並形成了智能故障診斷與預測、健康評估等重要發展方向。本書即從此點出發，結合作者在智能故障預測與診斷、裝備健康評估方面的研究成果，以信號的特征提取和故障分類診斷為目標，介紹基於增強支持向量機、半監督學形學度信念網絡等機器學較新穎的方法在診斷領域的應用，同時基於相空間重構理論研究機械部件性能衰退的評估方法，以形像的仿真分析和典型的工程案例來說明其應用效果。全書共7章。分別介紹了復雜機電繫統故障預測、智能診斷與健康評估的研究內容、發展現狀，式機器學持向量機方法在機械部件智能診斷中的應用，基於半監分析故障特征提取、聚類故障檢測、自組織映射、關聯向量機等方法在故障檢測與分類中的應用，基於譜聚類、局部線性嵌入、距離保持投影等流形學的故障特征選擇與降維算法，基於深度信念網絡的信號重構與故障診斷方法，基於遞歸定量分析和卡爾曼濾波開展機電繫統性能退化跟蹤及剩餘壽命預測的研究，最後結合汽輪發電機組、壓縮機組、航空發動機轉子等探索了復雜機電繫統的可靠性評估問題。本書是作者長期從事診斷研究結，書中的實例大都是作者從事復雜機電繫統故障智能預測與診斷的研究成果。本書由李巍華統稿並撰寫第pan>、3、4、5章，張小麗撰寫第2、7章，嚴如強撰寫第6章。衷心感謝國家自然科學基金委員會長期以來的資助(以資助年代為序：5060502pan>，51075150,51175080,51405028,51475170,51875208)和中國博士後科學基金項目資助；感謝院士楊叔子教授和華中科技大學史鐵林教授的指導和鼓勵，感謝西安交通大學陳雪峰教授的指導和幫助，感謝北京航空航天大學康銳教授和國防工業出版社白天明編輯的大力支持和幫助；感謝研究生廖奕校、潘燦、張斌、劉蘭馨、陳秋利等在書稿校對和排版方面的大量工作。感謝國防科技圖書出版基金對本書的肯定與資助。金無足赤，人無完人。由於作者有限，書中難免存在不足之處，懇請讀者批評指正、不吝賜教。

李巍華

2020年3月於華園

第pan>章緒論

1.pan>智能故障診斷與健康評估的概念

裝備智能故障診斷與健康評估是指利用人工智能和機器學關算法對目標對行故障診斷、故障演化趨勢及剩餘壽命預測、健康狀況的評估。從人工智能的角度看，裝備的智能診斷與預測屬於典型的模式識別問題。機器學可以從歷史數據中學的知識，並生成相應的模型用於診斷、預測和健康評估。裝備智能故障診斷與健康評估對應著故障預測與健康管理(prognostics andhealth management，PHM)領域的3個層次：①故障檢測和故障定位(故障診斷)；②故障發展趨勢及剩餘壽命預測(故障預測)；③根據診斷和預測信息對繫統的健康狀行評估(健康評估）。故障診括故障檢測和故障定位，故障檢測主要是判斷設備是否出現故障，而故障定位則是在故障出現時對故障部行識別。故障檢測技術的出現使得設備故障可以被及時地發現，防止故障繼續發展造成更加嚴重的後果：故障定位技術減少了設備檢修的時間。故障預測則是在診斷的基礎上，結合對像的結構參數與運行參數對設備的性能退化程行分析，對裝備未來的故障及其演化的趨行預測、分析和判斷，並對設備的剩餘使用壽行預測。根據故障預測的結果，可以指導設備調整運行工況，以延長設備的使用時間；另外，還能根據剩餘使用壽命，提前做好維護規劃，減少設備的停機時間。健康狀態評估則是在故障診斷和預測的基礎上，對設備的健康狀行量化分析。設備在出現早期故障時，對設備運行的影響較小，此時對設行檢修會造成不必要的浪費，增加設備的維護費用；當故障發展到一定程度之後，會對設備運行造成明顯的影響，此時若不對設行檢修則容易引發事故。健康狀態評估技術通過對設備的性能劣化程度（含故障程度行動態的量化分析，實時監控設備健康狀態，對其服役性能的退化程度做出評價，及時地發現需要維護的故障並減少不必要的維護支出。

1.2復雜機電繫統智能故障診斷與健康評估的意義

復雜機電繫統的出現和發展反映了人類對於產品性能和工程設計一步追求，這是機械裝備發展的必經過程。現代信息技術、計算機技術及人工智能的發展，賦予復雜機電繫統越來越豐富的內涵以及更加復能。現代工業生產對產品質量和生產過程有著極高的要求，使得傳統的機械繫統逐漸被各類復雜機電繫統所取代。根據文獻[1]對復雜機電繫統的定義，現代復雜機電繫統是以機電繫統為載體、融合機、電、液、光等過程的復雜物理繫統。技術能需求集成於不同的機電載體上，通過信息流融合和信息驅動形成各種現代機電裝備①，如航空發動機、高速列車、精密機床及現代生產設備等。復雜機電繫統通常由數量巨大、種類眾多的零部件構成，繫統內部各零部件和子繫統之間存在復雜的耦合關繫，因此，確定繫統行為時需要綜合考慮各子繫統的獨立行為及子繫統間復雜的耦合關繫。由於繫能、結構和耦合關繫等方面的復雜性以及物理過程的多樣性，使得復雜機電繫統的智能故障診斷與健康評估面臨極大的挑戰。隨著各類復雜機電繫統不斷向大型化、復雜化、高速化和精密化發展，在石化、冶金、電力和機械等工業領域中，設備運行的高負荷、高腐蝕和高作業率成為主要特征。因機電繫統設備故障而引起的災難性事故屢有發生，例如：201pan>年，北京地鐵某電動扶梯驅動鏈斷裂，致使扶梯逆向下行造成了乘客踩踏事故；2012年，河北某風電場傳動繫統斷齒停機事故，吉林某風電場發生風機塔架倒塌事故；2013年，俄羅斯載有衛星的火箭由干推講器故障在拜科努爾發射升空僅1min就墜毀的事故等。由於機電繫統設備故障可能造成巨大的經濟損失、環境污染甚至人員傷亡，急需對運行中的機電繫行動態監測與健康狀況評估，以確保繫統可靠運行。因此，復雜機電繫統智能故障診斷與健康評估技術已成為保證生產繫統穩定可靠運行的重要技術手段，越來越受到產業界、及政府部門的高度重視。《國家中長期科學和技術發展規劃綱要（2006一2020）》和《機械工程學科發展戰略報告（2011-2020）》均將“重大產品和重大設備以及關鍵零部件的可靠性、性和可維護性關鍵技術”列為需要突破的關鍵技術之一，《智能制造工程實施指南（2016-2020）》也把“基於大數據的在線故障診斷與分析等智能檢測裝備”作為關鍵技術裝備研制，以求可以“防患於未然”，避免災難性事故發生，從而提高設備利用率、縮短停機維修時間、保證產品質量。設備的維護是設備正常運行、避免事故的重要保障，維護策略的發展經歷

……