嚴新平 李志雄 張月雷 袁成清 彭中笑

1.武漢理工大學，武漢，430063 2.中國人民解放軍94270部隊，濟南，255017 3.新南威爾士大學，悉尼，NSW 2052

0 引言

我國90%以上的國際貿易依靠水路運輸完成，船舶運輸在國民經濟中具有重要的作用。大約80%的船舶采用以柴油機為主推進的動力裝置［1］，然而，即使在科學高度發(fā)達的今天，國內外因船舶動力裝置發(fā)生故障而引起的惡性事故仍時有發(fā)生，造成巨大的經濟損失及重大人員傷亡［2］。船舶的可靠性分析表明，整條船上所有故障的60%～80%發(fā)生在動力裝置上，而在動力裝置中，40%以上的故障發(fā)生于主柴油機系統(tǒng)［2］。因此，開展船舶柴油機系統(tǒng)的故障辨識、預測及緩解理論的研究能夠幫助我們及時消除設備早期故障隱患，保障動力機械設備安全運行。

2006年中國工程院啟動了“摩擦學科學及工程應用現狀與發(fā)展戰(zhàn)略研究”的咨詢項目，從調研的結果看，船舶柴油機的主要問題集中在活塞－缸套磨損、拉缸燒瓦、氣門間隙異常和氣閥漏氣、連桿大小端軸承和主軸承磨損等典型故障，且這些故障間存在耦合關系;另外，推進系統(tǒng)中的齒輪箱故障、軸系故障，以及船舶運行的不同工況等都會與柴油機各種故障發(fā)生強耦合，造成柴油機的同一種故障在不同情況下往往有不同的表現，同一種癥狀常常是幾種故障共同作用的結果。這樣的耦合關系給船舶柴油機故障的精確檢測、可靠診斷及合理預測維修帶來了極大的困難。要提高故障診斷效率，必然要對多方面的信息進行綜合評價，大力發(fā)展多學科交叉融合技術。

所以，本文從摩擦學和動力學信息耦合的角度出發(fā)，以故障信號的感知技術、故障信號處理和特征提取理論為基礎，對當前船舶柴油機故障診斷技術、特點和存在的問題進行評述，并結合實例對其發(fā)展方向進行了討論，以期能夠為船舶柴油機系統(tǒng)狀態(tài)評估與早期故障辨識、預測與維修策略的優(yōu)化提供理論、方法和技術指導。

1 國內外研究現狀及分析

為了確保航運和工程船舶的安全運營，各國對船舶機械的狀態(tài)監(jiān)測均提出了嚴格的要求。美國船級社(ABS)在1987年制定了《基于預防維修技術的檢驗指南》，將振動監(jiān)測、潤滑油監(jiān)測及性能參數監(jiān)測技術用于狀態(tài)維修的船舶機械檢驗;挪威船級社(DNV)在其《船舶主機與軸系檢驗手冊》中，將主機與軸系性能監(jiān)測作為造船的主要項目，進行了廣泛的研究;日本船級社(NKK)對船舶機械設備狀態(tài)監(jiān)測與故障診斷技術進行了廣泛的研究;中國船級社上海規(guī)范所編寫了《柴油機滑油狀態(tài)監(jiān)測系統(tǒng)指南》和《螺旋槳軸狀態(tài)監(jiān)測系統(tǒng)指南》等指導性文件，并明確提出了船舶主機與輔機的性能監(jiān)測和故障診斷的要求［3-4］。

具體應用方面，國外于20世紀70年代后期就開始用聲振診斷技術來研究柴油機的故障，世界航運先進國家，如瑞士、挪威、日本、丹麥、德國、英國和美國已逐步將此項技術應用到船舶柴油機。美國于1985年研制出機車柴油機故障診斷專家系統(tǒng);Liogd's Register of Shipping、University of Newcastle、Marconi Command and Control System Ltd.合作開發(fā)出Condition/Performance Monitoring and Predictive System for Diesel Engines(CPMPS)系統(tǒng)，該系統(tǒng)功能包含狀態(tài)監(jiān)測、故障診斷、性能優(yōu)化、性能監(jiān)測和預報維修。我國從20世紀80年代初開始對往復式內燃機故障診斷作探索性研究，武漢理工大學、海軍工程大學、華中科技大學等高校及研究機構在利用聲振技術診斷故障方面做了大量的研究工作。其中，武漢理工大學對柴油機主要運動件的故障(活塞－缸套磨損、氣閥漏氣、連桿大小端軸承和主軸承磨損等)進行了研究，并研制出柴油機智能診斷儀DCM－Ⅱ，該設備可不解體診斷柴油機活塞－缸套磨損和氣閥漏氣等故障［5］。但是，從這些國內外所研發(fā)的診斷設備的應用情況來看，缺乏對不同監(jiān)測特征信息間的融合研究，也未建立相應的遠程診斷中心，無法及時指導故障維護。因此，對船舶柴油機故障的早期檢測、診斷與維修的研究仍有較大提升空間。

1.1 耦合機理與診斷技術研究進展

柴油機是復雜的機械系統(tǒng)，其摩擦學行為是多個學科行為強耦合的結果［6］。隨著時間變化，機器部件的摩擦磨損不僅會有磨損量的變化、磨粒的產生、磨損表面的變化，還會伴有振動、噪聲、熱力參數等信息的變化。當磨損至故障出現時，這些信息會顯著變化。王義亮等［7］從理論上對多缸內燃機缸套－活塞系統(tǒng)摩擦學與動力學的耦合問題進行了研究，給出了多缸內燃機缸套－活塞系統(tǒng)摩擦學與動力學耦合問題的數學模型。戴旭東等［8］建立了內燃機缸套－活塞系統(tǒng)油膜潤滑與動力學行為的耦合分析模型，并用數值方法對單缸四沖程內燃機進行了仿真分析。李震［9］探討了軸－軸承系統(tǒng)摩擦學、動力學耦合問題。這些研究結果表明了內燃機系統(tǒng)的摩擦學與動力學存在強耦合關系。因此，需要將系統(tǒng)的動力學行為與摩擦磨損狀態(tài)耦合起來，賦予系統(tǒng)可監(jiān)測性［10-11］，以進行可靠的狀態(tài)評估。

雖然熱力參數監(jiān)測、瞬時轉速監(jiān)測、振動監(jiān)測和油液監(jiān)測等技術均已應用到船舶主機故障診斷［12］，但實際應用中，這些方法大都是獨立使用的，并未深入分析動力學和摩擦學信息之間的相關性與獨立性。嚴格說來，檢測量與故障特征之間、故障特征與故障源之間都是一種非線性映射。因此，故障的多樣性、不確定性和各種故障之間耦合的復雜性構成了故障診斷技術上的難點，僅靠單一領域內故障特征量和診斷方法難以完成診斷任務，如單獨使用磨粒分析或振動分析僅能診斷30% ～40%的機器故障［13-15］。最近的研究表明，將不同監(jiān)測技術合理融合，能夠更加準確可靠地診斷機械故障，顯著提高狀態(tài)監(jiān)測性能，從而為工業(yè)企業(yè)提供更加有效的維修策略［13］。文獻［14-15］采用磨粒分析和振動分析相結合的方法，對齒輪箱的狀態(tài)進行監(jiān)測，取得了較好的效果，但該方法在柴油機的主要摩擦副上的應用還不多見。Zhao等［16］對滾動軸承故障進行聯(lián)合診斷時用到了油液信息和振動信息。郭文勇等［17］針對柴油機缸套－活塞副不同的磨損運行狀態(tài)，利用機體表面振動及油樣鐵譜分析方法進行了研究，取得了較好效果。但他們的研究主要集中于振動信息與油液信息間的對比，沒有在兩者信息的耦合上作深入分析。因此，利用信息融合技術研究船舶柴油機摩擦學與動力學耦合還有較大提升空間［13］。

1.2 傳感器研究進展

離線監(jiān)測固然有精確度高的優(yōu)點，但很難保證數據的時效性，無法真正及時地診斷故障。因此，發(fā)展在線監(jiān)測是視情維修的必然。針對船舶柴油機具體運行環(huán)境，在線監(jiān)測儀器和系統(tǒng)正成為研發(fā)熱點。在油液傳感器方面，Advance Technology Materials Research研制的在線實時潤滑油磨粒分析裝置XFS和Pacific Northwest National Laboratory研制的XRF都是利用不同物質受到激發(fā)后輻射不同能量的特征X射線的原理進行元素定量分析和檢測的。作為在線式油液監(jiān)測傳感器與集成技術的國際領先廠家，Kittiwake開發(fā)出的ANALEXrs傳感器套件組能夠系統(tǒng)報告鐵磨損顆粒及油液的狀態(tài)。Wu等［18］研發(fā)了具有可視功能的在線鐵譜傳感器，建立了適用于在線鐵譜圖像的定量描述方法，提出磨粒面積百分覆蓋指數(IPCA)評價指標;同時他們聯(lián)合嚴新平等［10-11］將在線鐵譜傳感器應用到實船監(jiān)測中。深圳先波公司也聯(lián)合嚴新平等［10-11］將所研制的FWS－2型在線液體黏度傳感器應用到實船監(jiān)測中。在振動傳感器方面，ABB電氣公司開發(fā)了Cylmate System的柴油機在線監(jiān)測系統(tǒng)。Cylmate System設計了氣缸壓力傳感器及其信號分析系統(tǒng)，可以實時監(jiān)測氣缸工作壓力，準確評估柴油機工作狀態(tài)。楊建國等［19］研發(fā)了基于磁阻技術的船舶柴油機活塞環(huán)磨損監(jiān)測傳感器。這種磁阻傳感器通過檢測活塞環(huán)磨損引起的磁場大小和方向的變化來準確判斷活塞環(huán)的磨損量，實現船舶柴油機的在線磨損檢測。嚴新平等［10-11］運用最新的光纖傳感技術提出了磨粒光纖在線檢測方法和磨粒信息在線鐵譜獲取方法，并實現了磨粒鐵譜圖像的可視化。其他先進傳感技術，如非接觸光電傳感器、無線傳感器智能網絡等，也正在不斷被研發(fā)并應用到實踐當中。

1.3 信號分析及處理進展

近十年來，信號處理技術突飛猛進，在機械故障的振動分析與診斷方面取得了諸多成果［5-20］。但是在船舶柴油機領域，目前還存在如下關鍵問題:

首先是可靠的故障振動信號獲取問題。目前，廣泛采用的振動測試技術已經比較成熟，但在船舶柴油機的信號采集方面存在一定的不足，主要表現在傳感器無法安裝，不能實現非接觸、不解體地在線檢測，在實船中無法得到穩(wěn)態(tài)信號，因此傳統(tǒng)傅里葉變換的應用受到極大限制［20］。更主要的是，在實船測試中，往往會有多個故障的同時存在，這樣得到的聲振信號是多個源信號的混合體，且被噪聲嚴重污染，由此嚴重影響故障診斷的準確性和可靠性。因此，盲源分離問題即如何從柴油機聲振信號中提取關鍵故障振動源成為目前研究的重點內容。獨立分量分析(ICA)被證明是一種有效的盲源分離算法［21］，將ICA算法應用到機械故障診斷是最近幾年的研究熱點［22］。上海交通大學、浙江大學、西安交通大學、中國科學技術大學等高校都將ICA技術應用到發(fā)動機及旋轉機械的振源識別中，取得了較好的故障診斷效果。但是目前多采用的是線性構架的ICA算法(如FastICA［21］)，在處理非線性變化的信號上還有一定的局限［22］，如分解失真等。因此，如何改進線性ICA、研究非線性ICA算法，使其適用于非線性、非平穩(wěn)混合信號的分離，對于故障特征的準確提取是非常有益的。

其次，在故障信號特征提取技術方面，小波變換得到最為廣泛的應用，而且新的小波函數不斷構造出來，如平穩(wěn)小波、復小波、諧波小波等都在故障診斷中得到了應用。近年來，小波方法與其他信號分析方法相結合也成為小波應用的一個方向，如小波與相關分析、小波與包絡譜、小波與ICA、小波與奇異值分解(SVD)、小波與神經網絡、支持向量機(SVM)等相結合的特征提取方法。雖然小波變換分析取得了很大的成功，但小波分析是非自適應的，一旦基小波函數選定，那么分析所有的數據都必須用此小波函數。該基小波在全局上可能是最佳的，但對某個局部區(qū)域來說可能是最差的。另外，小波變換本質上是窗口可調的傅里葉變換，因而沒有擺脫傅里葉變換的局限，基小波的有限長會造成信號能量的泄露，使信號的能量在時域/頻域上的分布很難定量給出。為解決這些問題，Sweldens［23］提出基于時域運算的第二代小波變換，它擺脫了傅里葉變換束縛，同時繼承了傳統(tǒng)小波變換的時頻局部化特征，并具有算法簡單、運算快速等優(yōu)點，在故障診斷中得到重視。何正嘉等［24］研究了第二代小波在旋轉機械故障診斷中的性能。高立新等［25］利用第二代小波降噪技術進行了軸承故障診斷。但是在船舶柴油機上應用第二代小波的報道還比較少見，因此有必要在船舶柴油機故障診斷中研究第二代小波的性能。

再次，如何對提取的故障特征進行降維去冗余也是學者關注的熱點。有效的特征降維不僅可以發(fā)現表征故障的主要特征，而且能夠減小計算復雜度，提高診斷精度。常見的主成分分析(PCA)及Fisher判別分析(FDA)等方法對具有線性結構和滿足高斯分布的數據集有較好的處理效果，但在處理“高維數、非結構化”的非線性數據時效果欠佳;自組織特征映射(SOM)雖然能夠處理非線性問題，但是存在計算復雜、結果不穩(wěn)定等問題。這些模式識別方法都很難發(fā)現嵌入在故障數據中的非線性結構，反映在故障分類上則體現為故障識別準確度的下降或錯判［26］。自2000年Science雜志上發(fā)表3篇有關流形學習的研究成果［27-29］以來，關于流形學習的研究成為熱點。流形學習較之于傳統(tǒng)的線性降維方法，能夠有效地發(fā)現非線性高維數據的本質結構，可靠提取數據的關鍵特征，故而越來越受到機器學習和認知科學領域研究者的重視。將基于流形學習的非線性降維算法用于故障模式分類，對船舶柴油機進行故障診斷，有可能為智能故障診斷提供了一條新的途徑［26］。

最后，如何在物理意義層面實現摩擦學信息與振動信息的關聯(lián)，直接決定兩者耦合應用效果。柴油機摩擦的加劇會導致振動強度的增加，而不同摩擦磨損機理與模式會造成振動固有信息的改變。Peng等［14-15］研究了振動分析與磨粒分析的映射關系，但試驗對象不是柴油機。謝小鵬等［30］從能量損耗角度建立兩者的聯(lián)系，但是在驗證方面只應用到了振動能量監(jiān)測模型。Zhao等［16］利用數理統(tǒng)計方法聯(lián)系摩擦學與振動學信息，但是未探討信息間的物理關聯(lián)。因此，系統(tǒng)研究柴油機關鍵摩擦副磨損與振動的關聯(lián)技術，給出其物理含義，繼而從人工智能方面建立兩者的聯(lián)合故障診斷模型，對提高船舶柴油機摩擦學系統(tǒng)的故障診斷范圍和精度都有重要價值。

綜上所述，近十多年來國內外將振動分析、油液分析等技術應用于大型機械裝備狀態(tài)監(jiān)測的研究應用和報道很多，并取得了卓有成效的成果，創(chuàng)造了巨大的經濟效益。但是總體來說，在船舶柴油機系統(tǒng)狀態(tài)監(jiān)測與故障診斷中，將振動分析和油液分析聯(lián)合利用的報道還很少見，基于摩擦學與動力學融合的報道和論文也就更少了。因此，研究多傳感信息的有效融合理論與技術將對船舶柴油機系統(tǒng)的狀態(tài)監(jiān)測產生有益影響，從而為推進船舶動力機械系統(tǒng)的狀態(tài)監(jiān)測和故障診斷做出積極的貢獻。

2 發(fā)展趨勢

2.1 多傳感信息融合技術

多傳感信息融合被認為是最有前途的故障診斷方向之一，較好解決了不同專業(yè)領域的傳感信息融合問題，不僅可以擴大故障診斷范圍，還可以提高故障診斷精度，為工業(yè)生產提供更加可靠、強大的狀態(tài)監(jiān)測與故障診斷能力。在船舶柴油機故障診斷領域，已經有學者開始將振動分析與油液分析結合起來使用;然而，兩者間在物理層面到底具有怎樣的理論聯(lián)系目前還無學者披露。

船舶柴油機故障診斷還有其他有效的方法，如瞬時轉速/扭矩法、性能參數法等。如果將更多的方法融合到一個系統(tǒng)框架是否可以增強診斷系統(tǒng)的能力是值得學者們研究的。武漢理工大學可靠性工程研究所已經在該方面展開了理論與實踐研究。圖1所示為所研發(fā)的船舶機艙監(jiān)控診斷系統(tǒng)。該系統(tǒng)融合了多尺度傳感信息，能夠對船舶柴油機及其他機械設備潛在的故障威脅及時做出判斷，避免重大事故發(fā)生。如某次齒輪泵磨損故障，前期征兆是柴油機齒輪泵位置溫度不斷上升，接著在線鐵譜儀出現較大磨損顆粒(圖2、圖3);隨后工程人員及時利用光譜分析儀測得油液中Fe與Al含量超過正常水平，從而確定故障發(fā)生以及故障部位，停車檢查發(fā)現齒輪泵齒輪磨損破壞(圖4)。由此可見，通過多種檢測方法的融合，可以及時、準確發(fā)現故障，保證柴油機安全運行。

圖1 船舶機艙監(jiān)控診斷系統(tǒng)

圖2 在線鐵譜圖像

圖3 故障磨粒覆蓋指數變化曲線

武漢理工大學可靠性工程研究所正致力于船舶柴油機故障診斷難點問題(包括機器振動信號的盲源分離問題和故障特征非線性降維問題等)的研究。圖5所示為其初步建立的多尺度傳感信息智能融合系統(tǒng)，利用神經網絡和專家知識對不同時空信息進行處理，從而給出較為合理的診斷結果。在此基礎上，進一步的研究將通過實驗室試驗與實船測試相結合的方法不斷改進和完善診斷系統(tǒng)，從而獲得更好的工程實踐效果。

圖4 磨損破壞的齒輪泵部件

圖5 多尺度傳感信息智能融合理論體系

2.2 遠程故障診斷

遠程故障診斷思想早就有之。西屋公司早在20世紀80年代就開始研發(fā)網絡化監(jiān)測診斷系統(tǒng)，建立了沃倫多故障運行中心(DOC)，實現全美20多個電廠的數據信息在線/離線監(jiān)測［31］;三菱重工也研制成了遠程機械狀態(tài)監(jiān)測系統(tǒng)［32］。Xu等［33］率先建立了遠程信號分析與診斷服務器站點，開發(fā)了大型機械系統(tǒng)狀態(tài)監(jiān)測遠程智能診斷系統(tǒng)。隨后，西安交通大學推出了RMMDS系統(tǒng)，哈爾濱工業(yè)大學研發(fā)了MMMD系統(tǒng)等。在船舶機械系統(tǒng)遠程診斷方面，目前主要有武漢理工大學、哈爾濱工程大學和大連海事大學等科研院所在進行相關理論研究與產品開發(fā)。圖6所示為武漢理工大學研發(fā)的船舶動力機械遠程診斷系統(tǒng)。該系統(tǒng)集成了圖1所示診斷框架，能及時發(fā)現船舶柴油機等設備的早期故障，并已經應用到挖泥船、遠洋救助船。

圖6 船舶動力系統(tǒng)遠程故障診斷系統(tǒng)

目前，船舶故障診斷系統(tǒng)主要采用局域網來實現單條船舶各種自動化設備的控制與運行狀態(tài)監(jiān)測，缺乏對一批不同類型船舶的遠程實時監(jiān)控能力，不能實現資源的優(yōu)化配置與共享［11］?，F有的網絡化遠程船舶機艙自動化系統(tǒng)能夠利用網絡通信技術監(jiān)控某一區(qū)域內的所有船只，實時上傳各船的運行參數到陸上機務管理中心，供機務管理人員監(jiān)視各船的實時運行狀況，分析不同船只的運行性能，優(yōu)化運行方式，給出正確維護決策。但現有的系統(tǒng)存在以下的問題:

(1)機電液一體化控制系統(tǒng)與故障診斷系統(tǒng)獨立，未實現狀態(tài)監(jiān)測控制與故障診斷的融合，從而難以建立起船舶關鍵設備的預測與健康管理系統(tǒng)(PHM)。

(2)現有遠程故障診斷系統(tǒng)僅僅解決了信息從“現場”到“異地”的遠程通信問題，且診斷對象單一，在面對多對象、多任務時，如何集成與協(xié)同多種方法以及在智能診斷層面相對表現不足。

因此，有必要開發(fā)新一代船舶機艙綜合一體化系統(tǒng)來解決這些問題，這對降低船舶運行和保障費用、全壽命總擁有費用，提高機艙設備和復雜系統(tǒng)的安全性具有重要意義。

3 結語

綜上所述，目前對復雜海洋環(huán)境下船舶柴油機狀態(tài)監(jiān)測與故障診斷的理論和技術還需進一步研究，船舶柴油機摩擦學與動力學信息在物理意義上的融合及其規(guī)律還缺乏客觀的認識，尚缺乏有效的融合與分析方法。因此，需要通過對船舶柴油機運行過程的信號感知、信號融合等進行深入研究，提出簡單、有效的監(jiān)測故障的物理參數指標及智能融合指標，建立船舶柴油機遠程智能故障診斷中心，保障船舶柴油機安全、可靠、高效的運行，為船舶柴油機在復雜海洋航行環(huán)境中的狀態(tài)監(jiān)測與故障診斷水平提升提供理論支持。

［1］Lamaris V，Hountalas D.A General Purpose Diagnostic Technique for Marine Diesel Engines－Application on the Main Propulsion and Auxiliary Diesel Units of a Marine Vessel［J］.Energy Conversion and Management，2010，51(4):740-753.

［2］Swedish Club.Main Engine Damage Update［R］.Gothenburg:The Swedish Club Highlights，2005.

［3］李敏.船舶動力裝置狀態(tài)監(jiān)測與主機故障診斷的研究［D］.重慶:重慶大學，2009.

［4］朱新河，嚴志軍，周慶余.論船舶機械潤滑油監(jiān)測技術及中國船級社的相關規(guī)則［J］.世界海運，2000(2):43-44.

Zhu Xinhe，Yan Zhijun，Zhou Qingyu.Study on the Marine Machinery Oil Monitoring Technique and CCS Police［J］.World Ocean Shipping，2000(2):43-44.

［5］曹龍漢，曹長修，孫穎楷，等.柴油機故障診斷技術的現狀及展望［J］.重慶大學學報(自然科學版)，2001，24(6):134-138.

Cao Longhan，Cao Changxiu，Sun Yingkai，et al.State and Prospects of Diesel Engine Fault Diagnosis Technique［J］.Journal of Chongqing University(Natural Science Edition)，2001，24(6):134-138.

［6］Xie Youbai.Three Axioms in Tribology［M］//Gao Wanzhen，Li Jian.Proceedings ofⅢ International Symposium on Tribo－fatigue.Changsha:Hunan University Press，2000:17-23.

［7］王義亮，謝友柏.多缸內燃機缸套－活塞系統(tǒng)摩擦學與動力學耦合問題的研究［J］.潤滑與密封，2005(2):1-5.

Wang Yiliang，Xie Youbai.Research on the Coupling Problem of the Tribological and Dynamic Behaviors in the Piston－liner Systems of Multi－cylinder Internal Combustion Engines［J］.Lubrication Engineering，2005(2):1-5.

［8］戴旭東，袁小陽，謝友柏.內燃機缸套－活塞系統(tǒng)摩擦學與動力學行為耦合分析［J］.西安交通大學學報，2003，37(7):683-687.

Dai Xudong，Yuan Xiaoyang，Xie Youbai.Study on Coupling Dynamic Behavior to Tribological Behavior in Cylinder－piston System in Internal Combustion Engine［J］.Journal of Xi'an Jiaotong University，2003，37(7):683-687.

［9］李震.內燃機曲軸－軸承系統(tǒng)摩擦學動力學耦合研究［D］.合肥:合肥工業(yè)大學，2005.

［10］嚴新平，張月雷，袁成清，等.可監(jiān)測性設計在機械產品中的應用研究［J］.中國機械工程，2010，21(20):2500-2504.

Yan Xinping，Zhang Yuelei，Yuan Chengqing，et al.Study on Monitorability－based Design in Mechanical Equipment［J］.China Mechanical Engineering，2010，21(20):2500-2504.

［11］嚴新平，張月雷.物聯(lián)網環(huán)境下的機械系統(tǒng)狀態(tài)監(jiān)測技術的展望［J］.中國機械工程，2011，22(24):3011-3015.

Yan Xinping，Zhang Yuelei.Thoughts of Mechanical System Condition Monitoring Technology under IOT［J］.China Mechanical Engineering，2011，22(24):3011-3015.

［12］Jones N B，Li Yuhua.A Review of Condition Monitoring and Fault Diagnosis for Diesel Engines［J］.Tribotest，2000，6(3):267-291.

［13］Maru M M，Castillo R S，Padvese L R.Study of Solid Contamination in Ball Bearings through Vibration and Wear Analyses［J］.Tribology International，2007，40(3):433-440.

［14］Peng Z，Kessissoglou N，Cox M.A Study of the Effect of Contaminant Particles in Lubricants Using Wear Debris and Vibration Condition Monitoring Techniques［J］.Wear，2005，258(11/12):1651-1662.

［15］Peng Z，Kessissoglou N.An Integrated Approach to Fault Diagnosis of Machinery Using Wear Debris and Vibration Analysis［J］.Wear，2003，255(7/12):1221-1232.

［16］Zhao Xinze，Yan Xinping，Zhao Chunhua，et al.Research on the Correlation between Oil and Vibration Monitoring in Information Collecting and Processing Monitoring［J］.International Journal of Plant Engineering and Management，2004(1):46-53.

［17］郭文勇，孫云嶺，張永祥.柴油機缸套－活塞副磨損動態(tài)監(jiān)測方法研究［J］.內燃機工程，2005，26(6):48-50.

Guo Wenyong，Sun Yunling，Zhang Yongxiang.Dynamic Monitoring Method of Diesel Cylinder－piston Pair Wear［J］.Chinese Internal Combustion Engine Engineering，2005，26(6):48-50.

［18］Wu T，Mao J，Wang J，et al.A New On － line Visual Ferrograph［J］.Tribology Transactions，2009，52(5):623-631.

［19］楊建國，彭章明，余永華，等.基于磁傳感技術的活塞環(huán)磨損監(jiān)測方法研究［J］.內燃機學報，2010，28(1):85-89.

Yang Jianguo，Peng Zhangming，Yu Yonghua，et al.Research on Monitoring Method of Piston Ring Wear Based on Magneto － resistive Sensor［J］.Transactions of CSICE，2010，28(1):85-89.

［20］田昊，唐力偉，田廣，等.基于核獨立分量分析的齒輪箱故障診斷［J］.振動與沖擊，2009，28(5):163-166.

Tian Hao，Tang Liwei，Tian Guang，et al.Fault Diagnosis of Gearbox Based on KICA［J］.Journal of Vibration and Shock，2009，28(5):163-166.

［21］Hyvarinen A，Karhunen J，Oja E.Independent Component Analysis［M］.New York:John Wiley，2001.

［22］Jiang Yu，Qin Li，Zhang Yuelei，etal.Vibration Signal Processing for Gear Fault Diagnosis Based on Empirical Mode Decomposition and Nonlinear Blind Source Separation［J］.Noise and Vibration Worldwide，2010，42(11):55-61.

［23］Sweldens W.The Lifting Scheme:A Construction of Second Generation Wavelets［J］.SIAM Journal on Mathematical Analysis，1997，29(2):511-546.

［24］何正嘉，曹宏瑞，李臻，等.銑削刀具破損檢測的第二代小波變換原理［J］.中國科學(E輯:技術科學)，2009，39(6):1174-1184.

He Zhengjia，Cao Hongrui，Li Zhen，etal.Milling Tool Breakage Detection Using the Second Generation Wavelet Transform［J］.Science in China(Series E:Technological Sciences)，2009，39(6):1174-1184.

［25］高立新，殷海晨，張建宇，等.第二代小波分析在軸承故障診斷中的應用［J］.北京工業(yè)大學學報，2009，35(5):577-561.

Gao Lixin，Yin Haichen，Zhang Jianyu，et al.An Application of the Second Generation of Wavelet Transform in the Fault Diagnosis of Rolling Bearings［J］.Journal of Beijing University of Technology，2009，35(5):577-561.

［26］Li Zhixiong，Yan Xinping，Jiang Yu，etal.A New Fata Mining Approach for Gear Crack Level Identification Based on Manifold Learning［J］.Mechanika，2012，18(1):29-34.

［27］Seung H S，Lee D D.The Manifold Ways of Perception［J］.Science(S0036 － 8075)，2000，290(5500):2268-2269.

［28］Roweis S，Saul L.Nonlinear Dimensionality Reduction by Locally Linear Embedding［J］.Science(S0036 －8075)，2000，290(5500):2323-2326.

［29］Tenenbaum J，Silva D D，Langford J.A Global Geometric Framework for Nonlinear Dimensionality Reduction［J］.Science(S0036 － 8075)，2000，290(5500):2319-2323.

［30］謝小鵬，肖海兵，馮偉.基于能量耗損的發(fā)動機故障診斷方法研究［J］.潤滑與密封，2011，36(5):1-4.

Xie Xiaopeng，Xiao Haibing，Feng Wei.Study on Engine Fault Diagnosis Based on Energy Loss［J］.Lubrication Engineering，2011，36(5):1-4.

［31］孫穎楷.內燃機智能故障診斷系統(tǒng)的研究及應用［D］.重慶:重慶大學，2001.

［32］邱赤東.船舶異步電機遠程故障診斷技術的研究［D］.大連:大連海事大學，2008.

［33］Xu Z，Xuan J，Shi T，et al.Application of a Modified Fuzzy ARTMAP with Feature－weight Learning for the Fault Diagnosis of Bearing［J］.Expert Systems with Applications，2009，36(6):9961-9968.