鄧宇翔，李正紅

(1.昆明冶金高等專科學(xué)校 電氣與機(jī)械學(xué)院，昆明 650300；2.昆明學(xué)院 信息工程學(xué)院，昆明 650214)

0 引言

旋轉(zhuǎn)機(jī)械是指依靠旋轉(zhuǎn)動(dòng)作完成特定功能的機(jī)械部件，包括動(dòng)力機(jī)械、過(guò)程機(jī)械、加工機(jī)械三種類型。動(dòng)力機(jī)械的組成形式較為復(fù)雜，可繼續(xù)細(xì)分為流體輸送機(jī)械、電動(dòng)機(jī)和原動(dòng)機(jī)。流體輸送機(jī)械通過(guò)向流體做功的方式，提高機(jī)械部件的動(dòng)能水平，由于流體每完成一次做功后，都能獲得一定的能力，所以該類型機(jī)械元件的應(yīng)用能夠克服機(jī)械能的損失，達(dá)到提高液體位能與壓強(qiáng)的目的[1]。電動(dòng)機(jī)、原動(dòng)機(jī)的工作原理相對(duì)較為簡(jiǎn)單，可以在外部電能或勢(shì)能的作用下，驅(qū)動(dòng)機(jī)械部件，使其呈現(xiàn)出運(yùn)動(dòng)狀態(tài)。過(guò)程機(jī)械、加工機(jī)械都是某一類機(jī)械部件的統(tǒng)稱，其運(yùn)行能力受到外部動(dòng)能與勢(shì)能的影響，在電力供應(yīng)不充分的情況下，一部分動(dòng)能及勢(shì)能會(huì)轉(zhuǎn)變成電力信號(hào)的形式，以保證機(jī)械結(jié)構(gòu)不會(huì)表現(xiàn)出運(yùn)行中斷的情況。

故障診斷就是利用各種測(cè)試和檢查方法，確定設(shè)備元件是否運(yùn)行故障問(wèn)題的檢查流程，能夠輔助相關(guān)工作人員完成對(duì)故障節(jié)點(diǎn)所處區(qū)域的定位。侯召國(guó)、王華偉、周良等人提出的基于改進(jìn)深度殘差網(wǎng)絡(luò)的故障診斷方法首先對(duì)旋轉(zhuǎn)機(jī)械一維振動(dòng)信號(hào)進(jìn)行預(yù)處理，然后利用深度殘差網(wǎng)絡(luò)架構(gòu)建立長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)模型，接著利用捕獲所得的故障時(shí)序信息，確定主機(jī)元件對(duì)故障數(shù)據(jù)的處理精度，最后在網(wǎng)絡(luò)體系中運(yùn)行完整的診斷模型，得到診斷結(jié)果[2]。鄭近德、應(yīng)萬(wàn)明、潘海洋等人提出的基于改進(jìn)全息希爾伯特譜分析的故障診斷方法通過(guò)雙層經(jīng)驗(yàn)?zāi)B(tài)分解的方式，完整描述旋轉(zhuǎn)機(jī)械設(shè)備振動(dòng)信號(hào)的調(diào)制特性，又聯(lián)合混疊噪聲指標(biāo)，確定故障行為的表現(xiàn)能力，從而獲得較為理想的診斷結(jié)果[3]。

在實(shí)際應(yīng)用過(guò)程中，旋轉(zhuǎn)機(jī)械設(shè)備所能表現(xiàn)出的故障問(wèn)題多種多樣，而上述兩種方法的診斷方式相對(duì)較為單一，故而其診斷結(jié)果的可參考性價(jià)值也就相對(duì)較弱。鄰域知識(shí)圖算法是一種新型的檢測(cè)模型。所謂鄰域就是指數(shù)據(jù)集合上的一種基礎(chǔ)拓?fù)浣Y(jié)構(gòu)，在鄰域區(qū)間內(nèi)，信息對(duì)象之間的關(guān)聯(lián)性較強(qiáng)，且在已知關(guān)聯(lián)算法的情況下，根據(jù)一個(gè)數(shù)據(jù)對(duì)象，就可以確定所有數(shù)據(jù)對(duì)象的取值范圍[4]。知識(shí)圖是以元數(shù)據(jù)為基礎(chǔ)建立的數(shù)據(jù)查詢結(jié)構(gòu)，利用知識(shí)圖能夠準(zhǔn)確定義核心數(shù)據(jù)對(duì)象與參考數(shù)據(jù)之間的差值關(guān)系，以便于主機(jī)元件能夠快速確定所需查找數(shù)據(jù)對(duì)象所處位置。利用鄰域知識(shí)圖算法的應(yīng)用優(yōu)勢(shì)，設(shè)計(jì)一種新型的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷方法，并通過(guò)對(duì)比實(shí)驗(yàn)的方式，突出該方法在診斷不同類型故障表現(xiàn)行為方面的應(yīng)用能力。

1 基于鄰域知識(shí)圖算法的故障數(shù)據(jù)推薦

鄰域知識(shí)圖算法作用下，為實(shí)現(xiàn)機(jī)械設(shè)備故障數(shù)據(jù)的推薦，應(yīng)根據(jù)算法架構(gòu)模型，推導(dǎo)具體的函數(shù)表達(dá)式，本章節(jié)針對(duì)上述內(nèi)容展開深入研究。

1.1 鄰域知識(shí)圖算法設(shè)計(jì)

1.1.1 算法架構(gòu)

鄰域知識(shí)圖算法架構(gòu)由兩部分組成，第一部分架構(gòu)體系描述了多維度鄰域組織與標(biāo)準(zhǔn)鄰域組織之間的對(duì)應(yīng)關(guān)系，第二部分架構(gòu)體系描述了標(biāo)準(zhǔn)鄰域組織與鄰域知識(shí)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系。

1)多維度鄰域組織與標(biāo)準(zhǔn)鄰域組織之間的對(duì)應(yīng)關(guān)系(如圖1所示)：所謂多維度鄰域組織就是指Ⅰ維鄰域組織與Ⅱ維鄰域組織，二者保持直接嵌套關(guān)系，數(shù)據(jù)空間較為廣泛的Ⅰ維鄰域組織套接在Ⅱ維鄰域組織外部，為鄰域知識(shí)節(jié)點(diǎn)提供了分布空間[5]。在多維度鄰域組織中，知識(shí)節(jié)點(diǎn)對(duì)象保持自由分布狀態(tài)。標(biāo)準(zhǔn)鄰域組織是多維度鄰域組織的融合表現(xiàn)形式，且在進(jìn)行組織環(huán)境融合處理的過(guò)程中，知識(shí)節(jié)點(diǎn)對(duì)象的排列方式會(huì)更適應(yīng)主機(jī)元件所需執(zhí)行的程序指令。

2)標(biāo)準(zhǔn)鄰域組織與鄰域知識(shí)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系(如圖2所示)：鄰域知識(shí)節(jié)點(diǎn)在標(biāo)準(zhǔn)鄰域組織中獨(dú)立出來(lái)的過(guò)程，就是主機(jī)元件執(zhí)行程序指令的過(guò)程中，通常情況下，執(zhí)行完程序指令后，每一個(gè)鄰域知識(shí)節(jié)點(diǎn)中所存儲(chǔ)的數(shù)據(jù)信息都可供主機(jī)元件的直接調(diào)取與利用。

圖2 鄰域知識(shí)圖算法的第二層對(duì)應(yīng)關(guān)系

數(shù)據(jù)信息文件從多維度組織向標(biāo)準(zhǔn)維度組織傳輸所遵循的算法條件，并不適用于數(shù)據(jù)對(duì)象的回傳過(guò)程，所以在鄰域知識(shí)圖算法運(yùn)行過(guò)程中，鄰域知識(shí)節(jié)點(diǎn)中數(shù)據(jù)樣本的存儲(chǔ)量始終小于領(lǐng)域組織中的數(shù)據(jù)存儲(chǔ)量。

1.1.2 知識(shí)圖算法的函數(shù)表達(dá)式

鄰域知識(shí)圖算法函數(shù)就是以架構(gòu)體系為基礎(chǔ)，求導(dǎo)的數(shù)學(xué)計(jì)算公式。在診斷旋轉(zhuǎn)機(jī)械設(shè)備故障的過(guò)程中，函數(shù)表達(dá)式要求主機(jī)元件對(duì)于數(shù)據(jù)樣本的定義必須符合鄰域知識(shí)圖算法原則，且單位運(yùn)算周期內(nèi)，只對(duì)同一類或同一單元內(nèi)的故障數(shù)據(jù)進(jìn)行取樣[6]。鄰域知識(shí)圖算法函數(shù)對(duì)于運(yùn)算數(shù)據(jù)提出了統(tǒng)一性的原則，所謂統(tǒng)一性就是指數(shù)據(jù)對(duì)象只能描述一種類型的機(jī)械設(shè)備故障行為，或當(dāng)前所應(yīng)用故障數(shù)據(jù)來(lái)源于機(jī)械設(shè)備的同一運(yùn)行周期內(nèi)。

(1)

利用公式(1)，推導(dǎo)數(shù)據(jù)對(duì)象在鄰域組織中的標(biāo)記向量計(jì)算式為：

(2)

其中：χ1、χ2、…、χn分別表示鄰域知識(shí)節(jié)點(diǎn)中的數(shù)據(jù)對(duì)象記錄參數(shù)，其取值屬于[1，+∞)的數(shù)值區(qū)間。

在公式(2)的基礎(chǔ)上，可將鄰域知識(shí)圖算法的函數(shù)表達(dá)式定義為：

(3)

β表示待運(yùn)算數(shù)據(jù)的取樣系數(shù)，dmax表示故障數(shù)據(jù)對(duì)象數(shù)值定義項(xiàng)的最大取值，dmin表示故障數(shù)據(jù)對(duì)象數(shù)值定義項(xiàng)的最小取值，α表示算法運(yùn)行過(guò)程中的運(yùn)算數(shù)據(jù)標(biāo)記參數(shù)。依照鄰域知識(shí)圖算法完成對(duì)旋轉(zhuǎn)機(jī)械設(shè)備故障行為的診斷，除了要保證數(shù)據(jù)對(duì)象的取值唯一性之外，還要避免對(duì)同一故障數(shù)據(jù)樣本進(jìn)行重復(fù)標(biāo)記，特別是在數(shù)據(jù)樣本累積量較大的情況下，重復(fù)標(biāo)記極易造成鄰域知識(shí)圖算法出現(xiàn)錯(cuò)誤運(yùn)算行為。

1.2 故障數(shù)據(jù)的推薦

故障數(shù)據(jù)推薦是指按照鄰域知識(shí)圖算法完成對(duì)旋轉(zhuǎn)機(jī)械設(shè)備故障對(duì)象的選擇。所謂推薦可以理解為在符合算法條件下，所進(jìn)行的數(shù)據(jù)對(duì)象推選與按需調(diào)取。從診斷的角度來(lái)看，故障數(shù)據(jù)的推薦標(biāo)準(zhǔn)越嚴(yán)謹(jǐn)，在取樣數(shù)據(jù)對(duì)象的過(guò)程中出現(xiàn)錯(cuò)誤計(jì)算的可能性就越低；從數(shù)據(jù)選取的角度來(lái)看，完成推薦指令所應(yīng)用的數(shù)據(jù)對(duì)象必然符合鄰域知識(shí)圖算法的定義條件，因此只要保證數(shù)據(jù)樣本的真實(shí)性，就可以在后續(xù)診斷過(guò)程中，實(shí)現(xiàn)對(duì)旋轉(zhuǎn)機(jī)械設(shè)備故障表現(xiàn)行為的精準(zhǔn)判定。

推薦是一個(gè)連貫的指令行為流程，只要“推”的部分符合鄰域知識(shí)圖算法的定義標(biāo)準(zhǔn)，“薦”的部分就不會(huì)獲得不符合故障診斷需求的數(shù)據(jù)對(duì)象[7]。簡(jiǎn)單來(lái)說(shuō)，就是數(shù)據(jù)選取部分滿足鄰域知識(shí)圖算法所規(guī)定的要求，那么利用取樣所得的數(shù)據(jù)對(duì)象就可以得到較為理想的故障診斷結(jié)果。

(4)

利用鄰域知識(shí)圖算法所推薦的故障數(shù)據(jù)對(duì)象是準(zhǔn)確診斷旋轉(zhuǎn)機(jī)械設(shè)備故障的必要條件。

2 旋轉(zhuǎn)機(jī)械設(shè)備故障數(shù)據(jù)的深度挖掘

挖掘旋轉(zhuǎn)機(jī)械設(shè)備故障數(shù)據(jù)是實(shí)現(xiàn)故障行為診斷的必要環(huán)節(jié)，利用鄰域知識(shí)圖算法，完成故障數(shù)據(jù)預(yù)處理，并以此為基礎(chǔ)，確定具體的深度挖掘執(zhí)行方案。

2.1 數(shù)據(jù)準(zhǔn)備

故障數(shù)據(jù)準(zhǔn)備的過(guò)程就是按照鄰域知識(shí)圖算法確定挖掘?qū)ο笈c挖掘目標(biāo)的過(guò)程，由于旋轉(zhuǎn)機(jī)械設(shè)備運(yùn)行過(guò)程中，故障數(shù)據(jù)的產(chǎn)生是大量且無(wú)序的，所以需要在實(shí)施挖掘處理之前，選擇必要的挖掘數(shù)據(jù)源對(duì)象。若想保證故障行為診斷結(jié)果的準(zhǔn)確性，完成故障數(shù)據(jù)準(zhǔn)備的有效性是關(guān)鍵。在診斷過(guò)程中，如果故障數(shù)據(jù)的數(shù)量水平不足可能會(huì)導(dǎo)致無(wú)法得到所需挖掘結(jié)果；如果數(shù)據(jù)對(duì)象的指令水平太差，則會(huì)導(dǎo)致挖掘結(jié)果無(wú)法指示出與該類型數(shù)據(jù)樣本對(duì)應(yīng)的故障表現(xiàn)行為[8]。另外，數(shù)據(jù)準(zhǔn)備只是旋轉(zhuǎn)機(jī)械設(shè)備故障數(shù)據(jù)挖掘的第一個(gè)步驟，它的處理結(jié)果決定了數(shù)據(jù)挖掘技術(shù)所遵循的執(zhí)行模型。

(5)

對(duì)于整個(gè)數(shù)據(jù)挖掘過(guò)程而言，完美的數(shù)據(jù)準(zhǔn)備過(guò)程是獲得準(zhǔn)確診斷的重要先決條件，特別是在實(shí)施數(shù)據(jù)預(yù)處理之前，完成數(shù)據(jù)準(zhǔn)備才能保障所取樣數(shù)據(jù)源與故障表現(xiàn)行為之間的對(duì)應(yīng)關(guān)系[9]。如果準(zhǔn)備故障數(shù)據(jù)的過(guò)程中，存在一個(gè)源節(jié)點(diǎn)同時(shí)對(duì)應(yīng)多個(gè)數(shù)據(jù)對(duì)象的情況，則可以再次利用鄰域知識(shí)圖算法對(duì)故障數(shù)據(jù)進(jìn)行取樣，以此滿足數(shù)據(jù)挖掘處理的唯一性要求。

2.2 機(jī)械設(shè)備故障數(shù)據(jù)預(yù)處理

在診斷旋轉(zhuǎn)機(jī)械設(shè)備故障的實(shí)際應(yīng)用中，所使用的數(shù)據(jù)源往往是不完整的、含有雜質(zhì)的、甚至是不符合鄰域知識(shí)圖算法取樣標(biāo)準(zhǔn)的，而這些數(shù)據(jù)對(duì)象的存在又具有普遍性。所以，在完成故障數(shù)據(jù)準(zhǔn)備后，為保證數(shù)據(jù)挖掘結(jié)果能夠與診斷指令保持單一指向性關(guān)系，就需要在數(shù)據(jù)預(yù)處理階段再次利用鄰域知識(shí)圖算法對(duì)所涉及數(shù)據(jù)對(duì)象進(jìn)行整合與處理，才能保證數(shù)據(jù)樣本在后續(xù)挖掘流程中的正常使用[10-11]。

對(duì)于機(jī)械設(shè)備故障數(shù)據(jù)的預(yù)處理可以按照如下流程進(jìn)行。

1)完成準(zhǔn)備后故障數(shù)據(jù)的初次取樣，在所有數(shù)據(jù)樣本中集中挑選符合鄰域知識(shí)圖算法定義標(biāo)準(zhǔn)的數(shù)據(jù)源參量，并將其作為待挖掘?qū)ο蟆?/p>

2)初次取樣故障數(shù)據(jù)的二次加工，對(duì)所得數(shù)據(jù)對(duì)象進(jìn)行重排處理。

3)完成重排后，定義統(tǒng)一的故障數(shù)據(jù)預(yù)處理標(biāo)準(zhǔn)，具體求解表達(dá)式如下：

(6)

4)待挖掘數(shù)據(jù)源的全面整合，去除所有雜質(zhì)對(duì)象后，將所得數(shù)據(jù)對(duì)象整合成一個(gè)全新的數(shù)據(jù)樣本集合，并在集合中為每一個(gè)滿足預(yù)處理標(biāo)準(zhǔn)的信息對(duì)象定義一個(gè)全新的標(biāo)度值指征，在后續(xù)診斷過(guò)程中，主機(jī)元件可以根據(jù)標(biāo)度值參數(shù)確定該類型數(shù)據(jù)對(duì)象所代表的具體故障行為類型。

“天涯秋光靜，木末群鳥還。夜久游子息，月明歧路閑。風(fēng)生淮水上，帆落楚云間。此意竟誰(shuí)見(jiàn)，行行非故關(guān)?！盵5]

2.3 數(shù)據(jù)深度挖掘

對(duì)于旋轉(zhuǎn)機(jī)械設(shè)備故障數(shù)據(jù)的深度挖掘，首先需要明確挖掘指令的具體執(zhí)行任務(wù)與目的，根據(jù)任務(wù)需求旋轉(zhuǎn)數(shù)據(jù)對(duì)象，并制定響應(yīng)的挖掘文件。其次按照鄰域知識(shí)圖算法確定故障行為的表現(xiàn)強(qiáng)度，由于不同數(shù)據(jù)對(duì)象所代表的故障行為等級(jí)并不相同，所以為保證診斷結(jié)果的準(zhǔn)確性，必須根據(jù)關(guān)聯(lián)強(qiáng)度對(duì)應(yīng)情況來(lái)判斷挖掘算法是否能夠成立[12]。然后需確保不同挖掘指令不會(huì)得到同一個(gè)運(yùn)算結(jié)果，特別是在數(shù)據(jù)對(duì)象較為類似的情況下，應(yīng)避免重復(fù)取樣或重復(fù)運(yùn)算行為的出現(xiàn)。

在執(zhí)行故障數(shù)據(jù)深度挖掘處理的過(guò)程中，應(yīng)考慮數(shù)據(jù)集中性特點(diǎn)、故障行為診斷需求兩方面問(wèn)題，前者是指旋轉(zhuǎn)機(jī)械設(shè)備的普遍性故障規(guī)律，一般來(lái)說(shuō)包括內(nèi)環(huán)故障、外環(huán)故障、滾動(dòng)體故障三種形式；后者則是指數(shù)據(jù)挖掘指令的執(zhí)行結(jié)果完全服務(wù)于機(jī)械設(shè)備的故障診斷行為。

利用公式(6)，推導(dǎo)旋轉(zhuǎn)機(jī)械設(shè)備故障數(shù)據(jù)深度挖掘計(jì)算式為：

(7)

v表示挖掘處理過(guò)程中故障數(shù)據(jù)的迭代傳輸次數(shù)，O′表示故障數(shù)據(jù)的迭代傳輸閾值，μ′表示挖掘指令的執(zhí)行閾值，λ表示基于鄰域知識(shí)圖算法的故障數(shù)據(jù)取樣參數(shù)，l表示深度值向量。鄰域知識(shí)圖算法規(guī)定，經(jīng)過(guò)深度挖掘處理后，數(shù)據(jù)對(duì)象所代表的故障行為等級(jí)不再發(fā)生變化，因此在診斷旋轉(zhuǎn)機(jī)械設(shè)備故障行為的過(guò)程中，挖掘指令的執(zhí)行決定了診斷結(jié)果的唯一性。

3 深度挖掘下的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷方法設(shè)計(jì)

故障診斷方法的設(shè)計(jì)利用深度挖掘處理后的故障數(shù)據(jù)對(duì)象進(jìn)行融合，再聯(lián)合降維條件，定義具體的核特征，從而實(shí)現(xiàn)對(duì)診斷流程的完善。

3.1 故障數(shù)據(jù)融合

故障數(shù)據(jù)融合就是指將符合同一診斷需求的故障數(shù)據(jù)集合在一起，以便于后續(xù)診斷過(guò)程中，主機(jī)元件可以在較短時(shí)間內(nèi)提取到大量的數(shù)據(jù)對(duì)象。鄰域知識(shí)圖算法規(guī)定，主機(jī)元件對(duì)故障數(shù)據(jù)的融合處理遵循深度挖掘條件，在信息對(duì)象較為類似的情況下，如果根據(jù)表面計(jì)算結(jié)果不能判斷出當(dāng)前數(shù)據(jù)對(duì)象是否與其他故障數(shù)據(jù)屬于同一類別，則可以再次對(duì)其進(jìn)行深度挖掘處理，并根據(jù)二次處理結(jié)果，判斷當(dāng)前數(shù)據(jù)與其他故障數(shù)據(jù)之間的關(guān)聯(lián)程度[13-14]。

(8)

如果單一數(shù)據(jù)集合中所包含的故障數(shù)據(jù)對(duì)象過(guò)多，則可以再命名一個(gè)全新的集合單元用于存儲(chǔ)于當(dāng)前信息類型的融合對(duì)象。因此，在診斷旋轉(zhuǎn)機(jī)械設(shè)備故障行為的過(guò)程中，主機(jī)元件允許相同數(shù)據(jù)集合單元的存在。

3.2 故障數(shù)據(jù)降維

利用公式(8)，可將故障數(shù)據(jù)降維表達(dá)式定義為：

(9)

3.3 故障行為的核特征定義

核特征可以理解為旋轉(zhuǎn)機(jī)械設(shè)備故障行為數(shù)據(jù)的集中表現(xiàn)特征，利用鄰域知識(shí)圖算法診斷故障數(shù)據(jù)時(shí)，根據(jù)核特征定義項(xiàng)確定故障行為表現(xiàn)強(qiáng)度時(shí)，能夠合理利用降維條件，從而在獲得準(zhǔn)確診斷結(jié)果的同時(shí)，避免對(duì)數(shù)據(jù)樣本進(jìn)行重復(fù)取樣。所謂集中表現(xiàn)并不是針對(duì)整個(gè)故障數(shù)據(jù)集合提出的，而是在某一特定數(shù)值區(qū)域內(nèi)的數(shù)據(jù)樣本表現(xiàn)特征[17-18]。即便是在數(shù)據(jù)集合定義條件極為相似的情況下，兩類故障行為的核特征求解結(jié)果也不可能完全相等，因此利用核特征完成對(duì)機(jī)械設(shè)備故障行為的診斷，能夠充分保證診斷結(jié)果的準(zhǔn)確性。

(9)

核特征表達(dá)式對(duì)于旋轉(zhuǎn)機(jī)械設(shè)備故障行為數(shù)據(jù)的描述較為精準(zhǔn)，在數(shù)據(jù)種類不發(fā)生改變的情況下，其核特征表達(dá)式的計(jì)算結(jié)果也不會(huì)發(fā)生變化。

3.4 診斷流程完善

為獲得準(zhǔn)確的故障診斷結(jié)果，首先應(yīng)按照故障數(shù)據(jù)的降維條件，判斷核特征指標(biāo)的定義完整性。然后根據(jù)核特征表達(dá)式，完成對(duì)故障數(shù)據(jù)的取樣，且所得數(shù)據(jù)樣本必須符合鄰域知識(shí)圖算法的約束條件[19-20]。最后應(yīng)分析旋轉(zhuǎn)機(jī)械設(shè)備的當(dāng)前運(yùn)行情況，并判斷取樣所得的數(shù)據(jù)對(duì)象是否符合實(shí)際診斷需求，判斷結(jié)果為“是”時(shí)，完成對(duì)機(jī)械設(shè)備故障行為的診斷；判斷結(jié)果為“否”時(shí)，返回定義核特征步驟再次執(zhí)行后續(xù)流程，直至得到準(zhǔn)確的故障行為診斷結(jié)果。完整的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷流程如圖3所示。

圖3 基于鄰域知識(shí)圖算法的故障診斷流程圖

利用公式(9)，可將基于鄰域知識(shí)圖算法的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷表達(dá)式定義為：

(10)

4 實(shí)驗(yàn)分析與研究

本次實(shí)驗(yàn)意在驗(yàn)證基于鄰域知識(shí)圖算法的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷算法、基于改進(jìn)深度殘差網(wǎng)絡(luò)的故障診斷方法、基于改進(jìn)全息希爾伯特譜分析的故障診斷方法對(duì)于旋轉(zhuǎn)型機(jī)械設(shè)備故障問(wèn)題的診斷能力，分別從內(nèi)環(huán)故障、外環(huán)故障、滾動(dòng)體故障三方面著手進(jìn)行實(shí)驗(yàn)。

4.1 故障分類

內(nèi)環(huán)故障、外環(huán)故障、滾動(dòng)體故障是旋轉(zhuǎn)機(jī)械設(shè)備三種常見(jiàn)的故障問(wèn)題。其中，內(nèi)環(huán)故障是指由內(nèi)環(huán)部件破損造成的故障表現(xiàn)行為(如圖4(a)所示)，對(duì)于旋轉(zhuǎn)機(jī)械設(shè)備而言，該類型故障有可能造成內(nèi)環(huán)組織的完全斷裂，從而使機(jī)械設(shè)備發(fā)生偏轉(zhuǎn)；外環(huán)故障是指由外環(huán)部件破損造成的故障表現(xiàn)行為(如圖4(b)所示)，對(duì)于旋轉(zhuǎn)機(jī)械設(shè)備而言，該類型故障會(huì)影響機(jī)械設(shè)備的旋轉(zhuǎn)穩(wěn)定性；滾動(dòng)體故障是由滾動(dòng)部件結(jié)構(gòu)損壞造成的故障表現(xiàn)行為(如圖4(c)所示)，對(duì)于旋轉(zhuǎn)機(jī)械設(shè)備而言，該類型故障會(huì)使機(jī)械設(shè)備的真實(shí)旋轉(zhuǎn)角度與規(guī)定旋轉(zhuǎn)角度出現(xiàn)偏差。

圖4 旋轉(zhuǎn)機(jī)械設(shè)備的故障表現(xiàn)行為

所使用方法的應(yīng)用價(jià)值表現(xiàn)在其對(duì)于故障部分機(jī)械設(shè)備裂度水平的檢測(cè)準(zhǔn)確性方面，在不考慮其他干擾條件的情況下，若裂度檢測(cè)值與其真實(shí)斷裂程度保持一致或差值水平極低，則表示該方法對(duì)于機(jī)械設(shè)備故障行為的診斷能力較強(qiáng)；若裂度檢測(cè)值與真實(shí)斷裂程度之間的差值水平較高，則表示該方法對(duì)于機(jī)械設(shè)備故障行為的診斷能力較弱。

4.2 診斷數(shù)值分析

利用探測(cè)儀裝置對(duì)旋轉(zhuǎn)機(jī)械設(shè)備的裂度情況進(jìn)行檢測(cè)，具體檢測(cè)數(shù)值如表1所示。

表1 旋轉(zhuǎn)機(jī)械設(shè)備故障裂度的真實(shí)檢測(cè)值

分析表1可知，2號(hào)節(jié)點(diǎn)處內(nèi)環(huán)故障的裂度水平最大，4號(hào)節(jié)點(diǎn)處內(nèi)環(huán)故障的裂度水平最小，二者差值為5.9 mm；4號(hào)節(jié)點(diǎn)處外環(huán)故障的裂度水平最大，6號(hào)節(jié)點(diǎn)處外環(huán)故障的裂度水平最小，二者差值為2.3 mm；1號(hào)、3號(hào)、4號(hào)節(jié)點(diǎn)處滾動(dòng)體故障的裂度水平同時(shí)取得最大值，5號(hào)節(jié)點(diǎn)處滾動(dòng)體故障的裂度水平最下，極值差為1.6 mm?？v向來(lái)看，內(nèi)環(huán)故障裂度的均值水平最高、外環(huán)故障次之、滾動(dòng)體故障最小。

分別應(yīng)用基于鄰域知識(shí)圖算法的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷算法(實(shí)驗(yàn)組)、基于改進(jìn)深度殘差網(wǎng)絡(luò)的故障診斷方法(a對(duì)照組)、基于改進(jìn)全息希爾伯特譜分析的故障診斷方法(b對(duì)照組)對(duì)三種不同的故障表現(xiàn)行為進(jìn)行診斷，各個(gè)診斷節(jié)點(diǎn)處的裂度檢測(cè)數(shù)值如圖5、圖6、圖7所示。

圖5 內(nèi)環(huán)故障的裂度數(shù)值

分析圖5可知，1號(hào)節(jié)點(diǎn)處，實(shí)驗(yàn)組故障裂度檢測(cè)值與真實(shí)裂度之間的差值最大，達(dá)到了0.3 mm，整個(gè)實(shí)驗(yàn)過(guò)程中，實(shí)驗(yàn)組裂度均值始終與真實(shí)裂度均值較為接近。a對(duì)照組、b對(duì)照組故障裂度檢測(cè)值則始終與真實(shí)裂度之間的差值水平較大，整個(gè)實(shí)驗(yàn)過(guò)程中，這兩組裂度均值也始終小于真實(shí)裂度均值。

圖6 外環(huán)故障的裂度數(shù)值

分析圖6可知，4號(hào)節(jié)點(diǎn)處，實(shí)驗(yàn)組故障裂度檢測(cè)值與真實(shí)裂度之間的差值最大，但也僅能達(dá)到0.2 mm，整個(gè)實(shí)驗(yàn)過(guò)程中，實(shí)驗(yàn)組裂度均值也始終與真實(shí)裂度均值較為接近。a對(duì)照組、b對(duì)照組故障裂度檢測(cè)值則始終小于真實(shí)裂度數(shù)值。

圖7 滾動(dòng)體故障的裂度數(shù)值

分析圖7可知，3號(hào)節(jié)點(diǎn)處，實(shí)驗(yàn)組故障裂度檢測(cè)值與真實(shí)裂度之間的差值取得最大值，但卻僅為0.3 mm，而a對(duì)照組、b對(duì)照組故障裂度檢測(cè)值依然遠(yuǎn)小于真實(shí)裂度數(shù)值。

4.3 實(shí)驗(yàn)結(jié)論

綜上可知本次實(shí)驗(yàn)結(jié)論為：

1)應(yīng)用基于改進(jìn)深度殘差網(wǎng)絡(luò)的故障診斷方法，不滿足有效控制故障裂度檢測(cè)值與真實(shí)裂度之間差值水平的應(yīng)用需求，表示該方法對(duì)于旋轉(zhuǎn)機(jī)械設(shè)備故障行為的診斷能力相對(duì)有限。

2)基于改進(jìn)全息希爾伯特譜分析的故障診斷方法的應(yīng)用能力與基于改進(jìn)深度殘差網(wǎng)絡(luò)的故障診斷方法基本相同，都不符合準(zhǔn)確診斷旋轉(zhuǎn)機(jī)械設(shè)備故障表現(xiàn)行為的實(shí)際應(yīng)用需求。

3)基于鄰域知識(shí)圖算法的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷算法的應(yīng)用可將故障裂度檢測(cè)值與真實(shí)裂度之間的差值控制在低數(shù)值水平狀態(tài)，對(duì)于滾動(dòng)體故障行為而言，其對(duì)于故障裂度的檢測(cè)結(jié)果更是與真實(shí)裂度數(shù)值完全相等，能夠準(zhǔn)確診斷出旋轉(zhuǎn)機(jī)械設(shè)備的故障表現(xiàn)行為，再配合一定的處理手段，確實(shí)可以達(dá)到延長(zhǎng)旋轉(zhuǎn)機(jī)械設(shè)備使用壽命的應(yīng)用目的。

5 結(jié)束語(yǔ)

相較于基于改進(jìn)深度殘差網(wǎng)絡(luò)的故障診斷方法、基于改進(jìn)全息希爾伯特譜分析的故障診斷方法，基于鄰域知識(shí)圖算法的旋轉(zhuǎn)機(jī)械設(shè)備故障診斷算法的設(shè)計(jì)對(duì)故障數(shù)據(jù)進(jìn)行重新推薦處理，在深度挖掘模式的配合下，完成對(duì)數(shù)據(jù)樣本的降維處理，從而在準(zhǔn)確定義故障行為核特征的同時(shí)，完善具體的故障診斷執(zhí)行流程。實(shí)用性方面，這種新型診斷方法的應(yīng)用，可以針對(duì)內(nèi)環(huán)故障、外環(huán)故障、滾動(dòng)體故障三類故障表現(xiàn)行為下的機(jī)械部件裂度情況進(jìn)行準(zhǔn)確檢測(cè)，符合精準(zhǔn)診斷旋轉(zhuǎn)機(jī)械設(shè)備常見(jiàn)故障問(wèn)題的實(shí)際應(yīng)用需求，若能在已知故障數(shù)據(jù)的基礎(chǔ)上，配合一定的故障去除手段，則可以大幅延長(zhǎng)機(jī)械設(shè)備的使用年限，在可持續(xù)性利用方面也具有明顯的應(yīng)用價(jià)值。然而在面對(duì)內(nèi)環(huán)故障、外環(huán)故障時(shí)，鄰域知識(shí)圖算法診斷技術(shù)依然存在一定的可上升空間，未來(lái)相關(guān)組織機(jī)構(gòu)可以在該項(xiàng)技術(shù)手段的基礎(chǔ)上，進(jìn)行深入研究，力求做到對(duì)旋轉(zhuǎn)類機(jī)械設(shè)備元件應(yīng)用能力的全面保障。