不完备信息下基于流向图的诊断知识获取理论与方法

根据设备运行状况信息进行诊断知识获取，是目前智能故障诊断中的研究热点。但机械设备的运行环境恶劣、工况复杂，获得的诊断信息常具有明显的不完备(数据值缺失)，严重影响了故障诊断知识获取技术的有效实施。本项目研究不完备诊断信息下知识获取的新理论、新方法。主要包括：基于信息熵方法定量描述诊断信息的不完备性与可诊断性的关系，建立多语义、多层次融合的不完备诊断信息的涵义理解框架；基于流向图的不完备信息的图形-解析表示模型、及其自动分解与合成方法、结构约简算法(节点约简和层次约简)；研究在不完备节点或缺失分支情况下的流向图链路预测算法、基于流向图的可视化知识获取方法、增量学习中流向图节点和层次的动态更新算法；建立对不完备故障诊断问题具有普遍意义的知识获取软件原型系统，并应用于工程实践。本项目理论、方法和应用并重，将为不完备诊断信息下的知识获取研究提供理论和方法支撑，具有重要学术意义和工程应用价值。

本项目以包含不完备诊断信息的故障数据集为研究对象，通过理论分析、模型建立、算法设计和实验验证相结合，系统地研究了不完备信息下基于流向图方法的智能故障诊断知识获取理论与方法。主要内容如下：从不完备诊断信息的产生原因分析入手，将不完备的故障征兆属性值区分为缺失、丢失和冗余三种数据类型，建立了既能准确而真实地反映不完备诊断信息的实际情况，又适于采用流向图方法来描述的多语义不完备诊断信息关系模型；提出了一种基于流向图的不完备故障诊断知识表示方法，该方法依据多语义关系模型的含义，定义了三种不完备征兆属性值的节点表示方法，将属性节点间的分支区分为征兆属性分支和决策属性分支，采用置信度和覆盖度作为分支的参数，将决策规则以流向图分支的形式进行了图形化的表述，建立了流经分支上对象集合的流量计算公式；构建了基于流向图的不完备诊断信息的图形-解析混合表示形式；通过对流向图进行征兆属性层和征兆属性值节点约简，将流向图中冗余的征兆属性层（决策属性层只有一层）和征兆属性值节点约去，以获得最精简的故障诊断决策规则，其后通过对已获得的最简流向图进行优化，使流向图中的分支路径和最短，从而获得最优多语义故障诊断决策流向图；在实验验证部分，首先以齿轮箱四种典型故障为例，验证了本项目所提出方法的有效性。其次，以Hertz接触理论为基础，将滚动轴承的结构参数和运动参数相结合，建立了一种新的考虑撞击力的滚动轴承振动模型，该模型在考虑滚动轴承的滚珠与缺陷之间的撞击过程的基础上，将撞击力加入到滚动轴承故障振动模型中，采用6204滚动轴承内圈故障振动实测信号与所提出的振动模型进行了比较分析。最后，在针对行星齿轮箱的振动信号分析研究中，提出一种自适应优化品质因子的共振稀疏分解新方法，该方法利用遗传算法优良的寻优性能，自适应地得到与输入信号故障特征相匹配的高低共振分量的品质因子，将所提出的新方法应用于某行星增速齿轮箱中行星齿轮与行星架轴承的复合故障诊断中，实现了早期复合故障的准确诊断。在Journal of Intelligent Manufacturing, Journal of Mechanical Engineering Science, 机械工程学报等刊物和国际学术会议上发表论文10余篇，其中SCI收录2篇，EI收录11篇；申请发明专利1件；培养博士生2名，硕士生7名，较好地完成了基金预期的研究成果。