旋转机械故障诊断研究方法综述

２０１８年４月　机床与液压　ＭＡＣＨＩＮＥ　ＴＯＯＬ＆ＨＹＤＲＡＵＬＩＣＳ　Ａｐｒ．２０１８　第４６卷第７期　Ｖｏ１．４６　Ｎｏ．７　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—３８８１．２０１８．０７．０３０　旋转机械故障诊断研究方法综述　苏乃权　，熊建斌　，张清华　，黄崇林　（１．广东Ｘ－，＿Ｉｋ大学机电工程学院，广东广州５１０００６；　２．广东省石化装备故障诊断重点实验室，广东茂名５２５０００）　摘要：随着旋转机械结构越来越复杂，旋转机械需要承受着长时间的工作，发生故障的可能性增大及故障出现形式趋　向于复杂化。因此，对旋转机械故障诊断提出更高的要求。本文作者分析了旋转机械故障诊断国内外研究现状及其研究方　法，分析有量纲指标和量纲一指标在其上的运用。展望旋转机械故障诊断的研究方向和待解决的问题。　关键词：旋转机械；有量纲指标；量纲一指标；故障诊断　中图分类号：ＴＨ１６５＋．３　文献标志码：Ａ　文章编号：１００１－３８８１（２０１８）０７－１３３－７　Ｒｅｓｅａｒｃｈ　Ｍｅｔｈｏｄｓ　ｏｆ　ｔｈｅ　Ｒｏｔａｔｉｎｇ　Ｍａｃｈｉｎｅｒｙ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ＳＵ　Ｎａｉｑｕａｎ　’　，ＸＩＯＮＧ　Ｊｉａｎｂｉｎ　，ＺＨＡＮＧ　Ｑｉｎｇｈｕａ　，ＨＵＡＮＧ　Ｃｈｏｎｇｌｉｎ　（１．Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｇｕａｎｇｄｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ　Ｇｕａｎｇｄｏｎｇ　５　１０００６，Ｃｈｉｎａ；２．Ｇｕａｎｇｄｏｎｇ　Ｐｒｏｖｉｎｃｉａｌ　Ｋｅｙ　Ｌａｂ　ｏｆ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｏｆ　Ｐｅｔｒｏｃｈｅｍｉｃａｌ　Ｅｑｕｉｐｍｅｎｔ，　Ｍａｏｍｉｎｇ　Ｇｕａｎｇｄｏｎｇ　５２５０００，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｗｉｔｈ　ｔｈｅ　ｍｅｃｈａｎｉｃａｌ　ｓｔｒｕｃｔｕｒｅ　ｂｅｃｏｍｉｎｇ’ｍｏｒｅ　ａｎｄ　ｍｏｒｅ　ｃｏｍｐｌｉｃａｔｅｄ，ｒｏｔａｒｙ　ｍａｃｈｉｎｅｒｙ　ｎｅｅｄ　ｔｏ　ｂｅａｒ　ｌｏｎｇ　ｔｉｍｅ　ｗｏｒｋ．　Ｔｈａｔ　ｗｏｕｌｄ　ｉｎｃｒｅａｓｅ　ｔｈｅ　ｐｏｓｓｉｂｉｌｉｔｙ　ｏｆ　ｆａｉｌｕｒｅ　ａｎｄ　ａｌｓｏ　ｍａｋｅ　ｔｈｅ　ｗａｙｓ　ｉｎ　ｗｈｉｃｈ　ｔｈｅ　ｍａｃｈｉｎｅｒｙ　Ｃａｎ　ｆａｉｌ　ｂｅｃａｍｅ　ｃｏｍｐｌｉｃａｔｅｄ．Ｂｅｃａｕｓｅ　ｏｆ　ｔｈａｔ，ｈｉｇｈｅｒ　ｌｅｖｅｌ　ｒｅｑｕｉｒｅｍｅｎｔ　ｏｆ　ｒｏｔａｔｉｎｇ　ｍａｃｈｉｎｅｒｙ　ｏｆ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｗａｓ　ｄｅｍａｎｄｅｄ．Ｔｈｅ　ｒｅｓｅａｒｃｈ　ｓｔａｔｕｓ　ａｎｄ　ｍｅｔｈｏｄｓ　ｏｆ　ｒｏｔａｔｉｎｇ　ｍａ—　ｃｈｉｎｅｒｙ　ｏｆ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ａｔ　ｈｏｍｅ　ａｎｄ　ｆｒｏｍ　ａｂｒｏａｄ　ｗｅｒｅ　ａｎａｌｙｚｅｄ，ａｎｄ　ｔｈｅｎ，ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｄｉｍｅｎｓｉｏｎａｌ　ａｎｄ　ｎｏｎ—ｄｉｍｅｎｓｉｏｎａｌ　ｉｎｄｅｘ　ｔｏ　ｔｈｅ　ｒｏｔａｒｙ　ｍａｃｈｉｎｅｒｙ　ｗａｓ　ａｎａｌｙｚｅｄ．Ｉｔ　ｈｅｌｐｓ　ｔｏ　ｌｏｏｋ　ｉｎｔｏ　ｔｈｅ　ｆｕｔｕｒｅ　ｒｅｓｅａｒｃｈ　ｄｉｒｅｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｒｏｔａｔｉｎｇ　ｍａｃｈｉｎｅｒｙ　ｏｆ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ａｎｄ　ｔｈｅ　ｐｒｏｂｌｅｍｓ　ｔｏ　ｂｅ　ｓｏｌｖｅｄ　ａｂｏｕｔ　ｉｔ．　Ｋｅｙｗｏｒｄｓ：Ｒｏｔａｔｉｎｇ　ｍａｃｈｉｎｅｒｙ；Ｄｉｍｅｎｓｉｏｎａｌ　ｉｎｄｅｘ；Ｎｏｎ—ｄｉｍｅｎｓｉｏｎａｌ　ｉｎｄｅｘ；Ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　０前言　运用推广　］。本文作者对国内外学者在故障诊断方　法的研究方面进行分析总结。　现代工业生产已经朝着高速化、系统化和自动化　发展。使机械生产系统的规模逐渐增大，机械结构及　控制部分越来越复杂化。工作性能指标越来越高。工　作强度越来越重，相互之间的作用和融合越来越强。　在生产过程中，由于企业生产的需要，设备承受着长　时间的运转工作。导致复杂机械设备出现故障的可能　性越来越大、并且出现的方式复杂化　。因此，对　１　旋转机械故障诊断方法概述　复杂机械系统是由各种小的系统组成，如在自然　条件下的大生态系统，其是由许多个不同种群、不同　生物组成。复杂机械设备中旋转机械故障产生的特　点：其产生故障原因很多，并且相互之间存在着耦合　的作用。故障与征兆之间没有存在着明显的联系，故　障特征之间相互交织，使得很多故障诊断方法在某种　程度上对故障诊断存在一定的局限性［５］。早期的量纲　一生产过程中大型成套机械设备的实时在线故障检测，　提出更高的要求，传统的故障诊断方法无法满足大型　复杂旋转机械实时在线诊断要求　］。专家学者针对　传统的故障诊断研究方法的局限性，即有量纲指标对　机械振动产生的信号变化较为敏感。在研究的过程中　发现对两个有量纲比值对机械振动信号的扰动不敏　感，其性能稳定，即量纲一指标。在实际的生产中，　以量纲一指标作为旋转机械故障诊断技术得到重视和　收稿日期：２０１６－１１－０６　指标就是两个有量纲进行比值来诊断旋转机械故　障，解决了有量纲故障诊断存在的问题。然而传统量　纲一诊断技术对机械结构比较复杂的复合故障时诊断　效果不理想，同时对操作人员要求较高：随着国内外　专家学者对复杂故障的不断研究，人工智能的发展，　使故障诊断技术进入智能化时代。智能故障诊断技术　基金项目：国家自然科学基金资助项目（６１４７３３３１）；茂名市科技计划资助项目（７０２５１７２５２）；广东省石化装备故障诊断重　点实验室开放课题（ＧＤＵＰＴＫＬＡＢ２０１６１４支持）；广东石油化工学院科研基金项目　（７０２５１６０３６）　作者简介：苏乃权（１９９０一），男，硕士研究生，助教，主要研究领域为机电液智能控制、计算机仿真和故障诊断等。　Ｅ—ｍａｉｌ：５３４３０６２８６＠ｑｑ．ｃｏｍ。　机床与液压　第４６卷　其实就是模拟人类的逻辑思维和形象思维，实现对大　数与工作状态估计技术．需要精确系统模型。对于　型复杂旋转机械设备的实时、可靠的故障诊断，获得　故障诊断信息　的流程。　。如图１所示为旋转机械故障处理　复杂的机械设备而言，该基于模型诊断方法是不经　济的　加。。　（２）基于信号处理的故障诊断方法　ＥＳＴＩＭＡ等人　１］提出通过测量电机电流阶段及其　相应的参考信号的诊断方法，允许多个电源开关的实　时检测和定位开路故障电源供电的交流电动机驱动　器；解决三相逆变器复杂性和接触一些压力，容易遭　受严重的故障的问题。ＢＯＵＺＩＤ等人＿２　在平衡的电源　电压下，相位角和消极和零序电流的信号大小，解决　图１故障诊断的流程图　故障诊断的流程是：放置信号采集设备，进行数　据采据；接着将采集到的数据传送到计算机中；进行　数据分析处理，判断旋转机械可能存在故障；最后，　停机处理故障。　现有的智能故障诊断方法众多，其可归纳为如下　三大类方法：模型的诊断、信号处理的诊断以及知识　的诊断　。　（１）基于模型的故障诊断方法　模型的故障诊断方法首先在旋转机械上采集信号　然后进行Ａ／Ｄ转换，与先进的观察器（即原先建立　的模型）进行对比分析机械故障。该故障诊断主要　涉及先进观察器建立、相关参数估计和旋转机械状态　估计等技术。如图２所示，基于模型的故障诊断流　程图　．　图２基于模型的故障诊断流程图　基于模型的故障诊断方法起源于１９７１年　ＢＥＡＲＤ［１　］通过分析冗余方法取代硬件冗余，在综合　结果记录方面有一些专门对基于模型故障诊断方法精　心编写书籍［１　Ｈ］。其中，刘志刚等¨　运用最小冲突　集。将基于模型的故障诊断方法运用到牵引变电站中　电气设备的诊断。ＨＵ等人［１　设计了一种基于模型的　故障检测滤波器来检测传感器故障，解决了平衡人体　工程学设计的两轮车本质上是不稳定和非最小相位问　题。ＤＥＮＧ等人¨１　针对输入输出界限的稳定问题，　提出了基于算子的故障检测方法检测驱动器故障的与　输入约束一个铝板加热过程。李旭等人＿１　Ｂ＿基于模型　的故障检测方案提出了检测辊速度传感器故障车辗稳　定控制系统。该方法基于一个简单的控制导向车辊模　型，解决了车辗实时诊断。ＤＡＩ等　针对燃气涡轮　发动机的故障检测计算资源有限和假设干扰带宽有　限。提出对频率估计和特征值优化来减少计算复杂性　和避免局部最优解的固定特征值。该方法是在已经有　清晰模型的诊断系统中．通过模型得到的数值和对旋　转机械实际采集的数值对比而得到的残差．最后通过　残差和特定指标偏差情况判断故障是否存在。　其中，基于模型的故障诊断方法的关键是设计参　了定子匝间短路、相位间和单相接地的故障诊断问　题　ＳＡＭＡＲＡ等人心　等为了提高飞机控制系统中传　感器可靠性和整个系统的安全，提出了感应信号的协　方差适用于特征提取方法。ＪＯＫＳＩＭＯＶＩＣ等人　提出　频谱特征信号诊断方法，解决对鼠笼型转子感应电动　机发生故障问题。　该方法是对系统采集的信号进行处理分析，准确　检测出故障。基于信号处理的故障诊断流程图，如图　３所示　图３基于信号处理的故障诊断流程图　该方法是通过在旋转机械上采集信号，把所得到　的信号运用算法（如遗传算法）进行分析，得到所　发生的机械故障。基于信号处理的故障诊断方法首先　在旋转机械的表面安装振动传感器提取信号特征分　析，因为这些振动信号里面包含了丰富的故障信息，　是分析机械故障的一种有效的方法　，相对于基　于模型的故障诊断方法更加经济以及有效可靠。但　是．对于在热噪声环境下，振动监测信号往往存在大　量的非线性、随机、不可遍历的信息，这些信息和故　障信号的辨别，有待进一步地解决。　（３）基于知识的故障诊断方法　ＤＩＮＧ等人心’　提出了静态关键性能指标（ＫＰＩ）　预测和诊断方法。提高了复杂工业过程故障的预测和　诊断的概率．该方法并应用于工业带钢热轧机故障诊　断。ＶＩＴＡＬＥＡ等人　２引提出了基于潜在内核函数技术，　伪样本推测和间歇过程故障识别和诊断的新方法，处　理运行中的合格和不合格的问题。王磊等人＿２　为提　高输电网故障诊断效率以及准确度，提出了通过完备　的知识表示方法。陈安华等¨３叫利用知识网格构造知　识库以及它们之间的知识共享与协同能力特点．提出　基于知识网格诊断方法。秦大力＿３　等针对维护知识　资源管理系统．提出了基于知识的智能故障诊断　方法。　该方法无需知道故障系统的精确数学模型．在旋　第７期　苏乃权等：旋转机械故障诊断研究方法综述　·１３５·　转机械目前大型化和复杂化很难确定系统模型的背景　性质：　下越来越受到学者的重视。基于知识的故障诊断流程　①Ｉ厂（　）≥０；　图，如图４所示。　②ｆ　）　＝１；　机械故障　●　一致性检验　故障诊断　（　ｐ（　）＝Ｊ／　）ｄｘ（０＜　≤ｂ）　’　▲　历史的故障知识　或ｐ（　）＝　＝　图４基于知识的故障诊断流程图　基于知识的故障诊断流程是通过历史的故障知识　与旋转机械发生的现象的一致性来判断故障。　≥］＝　如挲］　２有量纲和量纲一的故障诊断方法在旋转机械上　式中：　为样本长度；　的运用　为信号幅值落在　与ｘ＋Ａｘ之间的时间和。　随着机械系统的复杂化，专家对故障诊断的长期　从Ｐ（　）得到　。加］：　研究后，不断地提出新算法，如专家系统、遗传算　法、改进的证据理论和人工免疫算法等等。　①均值：　＝Ｊ印（　）ｄｘ；　实际上。人工免疫系统就是对生物免疫系统进行　②平均幅值：Ｉ　Ｉ＝Ｊ　Ｉ　（　）ｄｘ；　模拟，其主要是通过对外界物质学习自然防御机制，　因此其具有较强的信息处理能力　。ＡＹＤＩＮ等人＿３　③均方根值：　。＝＾／Ｊ　ｘ２ｐ（ｘ）ｄｘ；　提出多目标智能方法。采用人工免疫算法优化向量机　核函数参数和惩罚系数．该方法成功地检测了电动机　④方根幅值：Ｘｒ　Ｕ一　（　）　Ｊ；　转子断条故障。张清华等　采用阴性选择算法原理，　运用时域信号对旋转机械故障进行诊断。该方法是采　⑤斜度：　＝Ｊ　ｘ３ｐ（Ｘ）ｄｘ；　用证据理论对获得故障信息，再进行融合来获得诊断　⑥峭度：　＝Ｊ　ｘ＇ｐ（ｘ）ｄｘ。　结果。ＩＬＨＡＮ等人∞　将人工免疫算法参数多目标优　化的支持向量机应用于感应电动机故障诊断和异常检　从Ｐ（　）中获得的均值、平均幅值、均方根值、　测问题，并得到了良好的结果。　方根幅值、斜度和峭度，其数值会随着变量　的变化　此外．谢小正［３　以机床典型部件一主轴组件作　而发生明显的变化。有量纲指标对旋转机械产生的故　为研究对象。通过对所采集的主轴组件的典型故障信　障特征比较敏感，数值会随着故障的发展而增大。其　号，结合信号处理及信息融合等多种技术，依托软计　缺点：有量纲指标非常容易受到工件工作状况、载荷　算相关理论，实现故障的知识发现及智能诊断。杨晖　和转速等因素的影响，因此给诊断带来很大困难　。　泽等　运用小生境原理。对检测器集中存在的重叠　２．２基于传统的量纲一的故障诊断方法　进行高低频变异，提高对非自体空间的覆盖率。雷亚　传统的量纲一是从有量纲演化得来，量纲一指标　国等［３引提出了一种滚动轴承故障诊断的新方法，该　的数值由振动信号幅值的概率密度函数的性质或形状　新方法开发是基于加权最近邻分类器的组合。由上所　决定，工作条件的变化对量纲一指标基本无影响，这　知专家学者对机械故障诊断提出了不同的算法，大大　给旋转机械故障诊断的时域分析起到很大的帮助作　地提高了机械故障诊断的准确性，大大地减少了由于　用　卜　。同时，量纲一指标是一比值，与振动检测　机械故障造成的经济损失和危害。　器、放大器的灵敏度和放大倍数关系不大　故监测系　２．１有量纲故障诊断方法　统无需标定。给这些指标在实际设备的故障诊断带来　该方法主要根据振动信号进行分析。采用时域信　了便利Ｈ　。　号中的概率密度函数描述机械振动的故障信息。在旋　量纲一参数定义公式如下所示。　转机械故障诊断中，许多专家学者通过对机械振动信　波形指标：Ｓ，＝Ｘ一／Ｉ　Ｉ　号的概率密度函数分析，进一步得到均值和均方　峰值指标：Ｃｆ＝　／Ｘ　。　根值。　脉冲指标：Ｉｆ＝　～／ｌＸｌ　（１）随机数据概率密度函数　裕度指标：ＣＬｆ＝　一　随机概率密度函数：即瞬时幅值落指定范围的概　峭度指标：Ｋ＝　率，其会随的幅值而变化。密度函数厂（　）具有下列　·１３６·　机床与液压　第４６卷　２．３基于新的量纲一的故障诊断算法模型　为了提高机械故障的诊断准确率，专家学者对故　障诊断不断提出新的算法。　（１）　基于遗传编程构建的新量纲一的指标　为了克服传统量纲一指标构建问题把遗传编程引　入到量纲一指标中。其主要是运用遗传编程对原始参　数重新组合优化，形成新的指标。并根据分类效果直　接进行选择，最终获得了最佳参数。该方法具有明确　性，简便易行，获得的优化指标用于检测滚动轴承运　行状态，得到了良好的效果　］。遗传编程适用于：　：　：　：　『ｆ　ｌ　Ｉｐ（　）ｄ　１　ｌ　　ｌ：！　若ｚ一∞，ｍ＝÷，则有裕度指标检测器：　一『厂　÷ｐ（　）ｄ　１　专㈩ｒ　。。　实际上不存在理想解的问题寻找一个比较满意解．有　健壮性要求的问题即满足在不同的条件下自学习功　能　］。何雨馨　等运用遗传编程对特征参数优化，　构造高敏感度的复合特征参数，提高轴承故障诊断的　准确度。轩建平等＿４　针对齿轮故障分类问题，提出　频域特征和遗传编程对齿轮箱盖振动信号进行分析，　判断产生的故障。骆广琦等　针对非线性特征不能　很好地诊断滚动轴承的故障，提出了基于遗传编程的　线性鉴别分析方法。白焰等人　提出新的多目标遗　传编程算法，该方法提高了算法辨识火电厂主汽温系　统效率。　基于遗传编程在构建新的量纲一指标过程中存在　很多不足，其运算符集和终止符集都需要人为设定，　容易影响着程序的复杂度和收敛性。　（２）基于量纲一的人工免疫算法　刘忠等人　针对水电机组状态检修体制下智能　诊断中存在的问题，提出了基于免疫应答机制的故障　诊断方法。刘颖慧等　针对人工免疫系统反面选择　算法所存在的主要问题，提出了超环检测器新概念，　解决了设备异常状态监测过程中设备异常等级及异常　度的描述问题。ＡＬＩＺＡＤＥＨ等人　针对多种故障训　练多个检测器，每个检测器对应某一种故障，根据提　出人工免疫算法阴性选择检测故障。张清华等　针　对时域分析法进行故障诊断时的不足，在深入研究人　工免疫原理，并结合人工免疫系统得到了几种新的免　疫检测器，其参数定义公式如下：　十∞　ｒ　ｒ．　　．１　ｌ／ｌ　ｌＬ　　Ｊ　ｌ　ｌ‘Ｐ（　）ｄｘ　Ｊ　ｌ　＝＿　————一—　———————一　（１）（）　ｒ　ｒ　１　１／ｍ　ＩＬ　　ｌ　ｌ　ｌ　（　）ｄｘ　Ｊ　Ｉ　式中：　表示振动幅值；Ｐ（　）表示振动幅值的概率密　度．有　当ｚ＝２，ｍ＝１。则有波形指标检测器：　ｒ　ｒ　∞　．　１　１／２　ｌ　ｆ　Ｐ（　）ｄｘ　Ｉ　ｙ　５　＝　ｌ　Ｊ　——÷ｌ　ｌｐ（　）ｄｘ　ｌ　＝　ｌ　Ｘ　ｌ　（２）　乙ｆ＝一——『—ｆ■　—ｌ—　　－ｌ　ｚｐ（　）ｄ　１　　＝　㈣＿：ｍｓ　　Ｉ）Ｊ　Ｋ／３　（６）　Ｖ　其上公式是对量纲一公式的进一步优化。免疫检　但是免疫机制非常复杂。人工免疫系统在模型建　立、算法进行多项式组合优化易出现局部优化不足的　索　。　（３）基于人工免疫系统和证据推理的融合故障　朱月君等　引针对大型旋转机械故障诊断的特　点和难点以及存在的某些不足，提出了一种基于人２］２　免疫和证据理论的复杂旋转机械综合诊断方法。赵宏　伟等＿５　为了减少故障发生带来的损失，运用人３２免　疫与证据理论，构建故障诊断模型。岑健等人　针　对轴承故障不确定性问题，提出一种基于证据理论的　数据融合诊断方法。　性、模糊性及非线性等方面具有优势，通过信息证据　推理变换技术将输入信号变换成信度分布结构，应用　针对旋转机械故障在复杂环境下识别效果不佳，　可以从以下几方面进行研究，以此提高故障诊断的准　第７期　苏乃权等：旋转机械故障诊断研究方法综述　·１３７·　（１）故障诊断是非常复杂的问题，需要解决非　线性问题。在复杂环境下，如何实现故障准确分离，　也是一个关键性问题。　（２）多核学习方法能够较好地解决模型选择与　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｍｅｔｈｏｄｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｚｈｅｊｉｎｇ　ａＵｎｉｖｅｒｓｉｔｙ　（Ａｇｒｉｃ．＆Ｌｉｆｅ　Ｓｃｉ．），２００３，２９（２）：１１９—１２４．　［９］ＳＡＭＡＮＴＡ　Ｂ．Ａｒｔｉｉｆｃｉｌａ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋｓ　ａｎｄ　Ｇｅｎｅｔｉｃ　Ａｌｇｏ—　ｒｉｔｈｍｓ　ｆｏｒ　Ｇｅａｒ　Ｆａｕｈ　Ｄｅｔｅｃｔｉｏｎ『Ｊ　１．Ｍｅｃｈａｎｉｃａｌ　Ｓｙｓｔｅｍｓ　过学习问题、非线性问题和实时性要求下的学习问　题，在机械故障诊断上可以考虑量纲一指标与多核学　ｎｄ　ａＳｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ，２００４，１８（５）：１２７３—１２８２．　［１０］ＳＡＮＺＡ　Ｊ，ＨＵＥＲＴＡ　Ｃ．Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｏｆ　Ｒｏｔａｔｉｎｇ　Ｍａ－　ｃｈｉｎｅｒｙ　Ｂａｓｅｄ　ｏｎ　Ａｕｔｏ—ａｓｓｏｃｉａｔｉｖｅ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋｓ　ａｎｄ　习方法相结合。　（３）虽然采用量纲一指标诊断复合故障的研究，　取得了不小的成果。但是仍需要进一步探索旋转机械　Ｗａｖｅｌｅｔ　Ｔｒａｎｓｆｏｒｍｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｕｎｄ　ａｎｄ　Ｖｉｂｒａｔｉｏｎ，　２００７，３０２（４—５）：９８１—９９９．　［１１］ＧＡＯ　Ｚ，ＣＥＣＡＴＩ　Ｃ，ＳＴＥＶＥＮ　Ｘ．Ａ　Ｓｕｒｖｅｙ　ｏｆ　Ｆａｕｌｔ　Ｄｉａｇｎｏ—　的并发故障缺陷的故障不敏感的机制。　参考文献：　［１］史铁林，陈勇辉，李巍华，等．提高大型复杂机电系统故　障诊断质量的几种新方法［Ｊ］．机械工程学报，２００３，３９　（９）：１—１０．　ＳＨＩ　Ｔ　Ｌ，ＣＨＥＮ　Ｙ　Ｈ，ＬＩ　Ｗ　Ｈ，ｅｔ　ａ１．Ｓｏｍｅ　Ｍｅａｓｕｒｅｓ　ｔｏ　Ｉｍ—　ｐｒｏｖｅ　ｔｈｅ　Ｑｕａｌｉｔｙ　ｏｆ　Ｆａｕｈ　Ｄｉａｇｎｏｓｉｓ　ｆｏｒ　Ｌａｒｇｅ－ｓｃａｌｅ　Ｃｏｍ—　ｐｌｅｘ　Ｅｌｅｃｔｒｏ．ｍｅｃｈａｎｉｃａｌ　Ｓｙｓｔｅｍｓ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００３，３９（９）：１—１０．　［２］丁涛，王芳，任工昌．旋转机械故障诊断研究现状［Ｊ］．机　械设计与制造，２００９（１２）：２５９—２６０．　ＤＩＮＧ　Ｔ，ＷＡＮＧ　Ｆ，ＲＥＮ　Ｇ　Ｃ．Ｔｈｅ　Ｃｕｒｒｅｎｔ　Ｓｉｔｕａｔｉｏｎ　ｏｆ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｆｏｒ　Ｒｏｔａｔｉｎｇ　Ｍａｃｈｉｎｅｒｙ［Ｊ］．Ｍａｃｈｉｎｅｒｙ　Ｄｅ－　ｓｉｇｎ＆Ｍａｎｕｆａｃｔｕｒｅ，２００９（１２）：２５９—２６０．　［３］ＺＨＡＮＧ　Ｑ，ＱＩＮ　Ａ，ＳＨＵ　Ｌ，ｅｔ　ａ１．Ｖｉｂｒａｔｉｏｎ　Ｓｅｎｓｏｒ　Ｂａｓｅｄ　Ｉｎ—　ｔｅｌｌｉｇｅｎｔ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｓｙｓｔｅｍ　ｆｏｒ　Ｌａｒｇｅ　Ｍａｃｈｉｎｅ　Ｕｎｉｔ　ｉｎ　Ｐｅｔｒｏｃｈｅｍｉｃａｌ　Ｉｎｄｕｓｔｉｒｅｓ［Ｃ］／／Ｗｉｒｅｌｅｓｓ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　ａｎｄ　Ｍｏｂｉｌｅ　Ｃｏｍｐｕｔｉｎｇ　Ｃｏｎｆｅｒｅｎｃｅ（ＩＷＣＭＣ），２０１３　９ｔｈ　Ｉｎ－　ｔｅｒｎａｔｉｏｎａｌ，Ｓａｒｄｉｎｉａ，Ｉｔａｌｙ，２０１３．　［４］ＳＵＮ　Ｇ　Ｘ，ＺＨＡＮＧ　Ｑ　Ｈ，ＳＨＡＯ　Ｌ　Ｑ，ｅｔ　ａ１．Ｔｈｅ　Ｂｕｉｌｄ　ｏｆ　ａ　Ｎｅｗ　Ｎｏｎ·－ｄｉｍｅｎｓｉｏｎａｌ　Ｉｎｄｉｃａｔｏｒ　ｆｏｒ　Ｆａｕｈ　Ｄｉａｇｎｏｓｉｓ　ｉｎ　Ｒｏｔａ—－　ｔｉｎｇ　Ｍａｃｈｉｎｅｒｙ『Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｗｉｒｅｌｅｓｓ　ａｎｄ　Ｍｏｂｉｌｅ　Ｃｏｍｐｕｔｉｎｇ，２０１３，６（３）：２７１—２７６．　［５］张清华．基于人工免疫系统的机组故障诊断技术研究　［Ｄ］．广州：华南理工大学，２００４．　［６］毛明明，柳益君，汤嘉立．基于Ｌ—Ｍ神经网络的齿轮故　障诊断［Ｊ］．计算机技术与发展，２０１Ｉ，２１（Ｉ）：２１０—２１４．　ＭＡＯ　Ｍ　Ｍ，ＬＩＵ　Ｙ　Ｊ，ＴＡＮＧ　Ｊ　Ｌ．Ｇｅａｒ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｂａｓｅｄ　ｏｎ　Ｌｅｖｅｎｂｅｒｇ—Ｍａｒｑｕａｒｄｔ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ［Ｊ］．Ｃｏｍｐｕｔｅｒ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ，２０１１，２１（１）：２１０—２１４．　［７］吴今培．智能故障诊断技术的发展和展望［Ｊ］．振动、测　试与诊断，１９９９，１９（２）：７９—８６．　ＷＵ　Ｊ　Ｐ．Ｄｅｖｅｌｏｐｍｅｎｔ　ａｎｄ　Ｐｒｏｓｐｅｃｔ　ｏｆ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｆａｕｌｔ　Ｄｉ．　ａｇｎｏｓｉｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｖｉｂｒａｔｉｏｎ，Ｍｅａｓｕｒｅｍｅｎｔ＆Ｄｉａｇｎｏ—　ｓｉｓ，１９９９，１９（２）：７９—８６．　［８］何勇，李增芳．智能化故障诊断技术的研究与应用［Ｊ］．　浙江大学学报（农业与生命科学版），２００３，２９（２）：１１９－　１２４．　ＨＥ　Ｙ，ＬＩ　Ｚ　Ｆ．Ｔｈｅ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｉｎｔｅｌｌｉｇｅｎｔ　ｓｉ８　ａｎｄ　Ｆａｕｌｔ—Ｔｏｌｅｒａｎｔ　Ｔｅｃｈｎｉｑｕｅｓ『Ｊ　１．ＩＥＥＥ　Ｔｒａｓａｃｔｉｏｎｓ　ｏｎ　Ｉｎｄｕｓｔｉｒａｌ　Ｅｌｅｃｔｒｏｎｉｃｓ，２０１５，６２（６）：３７５７—３７６７．　『１２］ＢＥＡＲＤ　Ｒ　Ｖ．Ｆａｉｌｕｒｅ　Ａｃｃｏｍｏｄａｔｉｏｎ　ｉｎ　Ｌｉｎｅａｒ　Ｓｙｓｔｅｍｓ　ｈＴｒｏｕｇｈ　Ｓｅｌｆ　Ｒｅｏｒｇａｎｉｚａｔｉｏｎ［Ｄ］．Ｂｏｓｔｏｎ：Ｍａｓｓａｃｈｕｓｅｔｔｓ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，１９７　１．　［１３］ＣＨＥＮ　Ｊ，ＰＡＴＲＯＮ　Ｒ　Ｊ．Ｒｏｂｕｓｔ　Ｍｏｄｅｌ－Ｂａｓｅｄ　Ｆａｕｌｔ　Ｄｉａｇ—　ｎｏｓｉｓ　ｆｏｒ　Ｄｙｎａｍｉｃ　Ｓｙｓｔｅｍｓ『Ｍ］．Ｒｏｂｕｓｔ　Ｍｏｄｅｌ—Ｂａｓｅｄ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｆｏｒ　Ｄｙｎａｍｉｃ　Ｓｙｓｔｅｍｓ．Ｓｐｒｉｎｇｅｒ　ＵＳ，１９９９．　［１４］ＤＩＮＧ　Ｓ．Ｍｏｄｅｌ—Ｂａｓｅｄ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｔｅｃｈｎｉｑｕｅｓ：Ｄｅｓｉｇｎ　Ｓｃｈｅｍｅｓ，Ａｌｇｏｒｉｔｈｍｓ，ａｎｄ　Ｔｏｏｌｓ［Ｍ］．Ｂｅｒｌｉｎ，Ｇｅｒｍａｎｙ：　Ｓｐｒｉｎｇｅｒ—Ｖｅｒｌａｇ，２００８．　［１５］刘志刚，钟炜，邓云川，等．牵引变电站故障的基于模型　诊断方法［Ｊ］．中国电机工程学报，２０１０，３０（３４）：３６－　４１．　ＬＩＵ　Ｚ　Ｇ，ＺＨＯＮＧ　Ｗ，ＤＥＮＧ　Ｙ　Ｃ，ｅｔ　ａ１．Ｅｌｅｃｔｉｒｃ　Ｒａｉｌｗａｙ　Ｓｕｂｓｔａｔｉｏｎ　Ｄｉａｇｎｏｓｉｓ　Ｗｉｔｈ　Ｍｏｄｅｌ—ｂａｓｅｄ　Ｍｅｔｈｏｄ［Ｊ］．Ｐｒｏ—　ｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＣＳＥＥ，２０１０，３０（３４）：３６—４１．　［１６］ＨＵ　Ｊ　Ｓ，ＴＳＡＩ　Ｍ　Ｃ．Ｄｅｓｉｇｎ　ｏｆ　Ｒｏｂｕｓｔ　Ｓｔａｂｉｌｉｚａｔｉｏｎ　ａｎｄ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｆｏｒ　ａｎ　Ａｕｔｏ－ｂａｌｎａｃｉｎｇ　Ｔｗｏ－Ｗｈｅｅｌｅｄ　Ｃａｒｔ　［Ｊ］．Ａｄｖａｎｃｅｄ　Ｒｏｂｏｔｉｃｓ，２００８，２２（２－３）：３１９－３３８．　［１７］ＤＥＮＧ　Ｍ，ＡＫＩＲＡ　Ｉ，ＫＡＺＵＮＯＲＩ　Ｅ．Ｆａｕｌｔ　Ｄｅｔｅｃｔｉｏｎ　Ｓｙｓ．　ｔｅｍ　Ｄｅｓｉｇｎ　ｆｏｒ　Ａｃｔｕａｔｏｒ　ｏｆ　ａ　Ｔｈｅｒｍａｌ　Ｐｒｏｃｅｓｓ　Ｕｓｉｎｇ　Ｏｐｅｒ—　ａｔｏｒ　Ｂａｓｅｄ　Ａｐｐｒｏａｃｈ［Ｊ］．Ａｃｔａ　Ａｕｔｏｍ．Ｓｉｎｉｃａ，２０１０，３６　（４）：５８０－５８５．　『１８］ＸＵ　Ｌ，ＴＳＥＮＧ　Ｈ．Ｒｏｂｕｓｔ　Ｍｏｄｅ１．ｂａｓｅｄ　Ｆａｕｌｔ　Ｄｅｔｅｃｔｉｏｎ　ｆｏｒ　ａ　Ｒｏｌｌ　Ｓｔａｂｉｌｉｔｙ　Ｃｏｎｔｒｏｌ　Ｓｙｓｔｅｍ『Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ．Ｃｏｎｔｒｏｌ　Ｓｙｓｔ．Ｔｅｃｈｎｏｌ，２００７，１５（３）：５１９—５２８．　［１９］ＤＡＩ　Ｘ，ＧＡＯ　Ｚ，ＢＲＥＩＫＩＮ　Ｔ，ｅｔ　１ａ．Ｄｉｓｔｕｒｂａｎｃｅ　Ａｔｔｅｎｕａｔｉｏｎ　Ｉｎ　Ｆａｕｌｔ　Ｄｅｔｅｃｔｉｏｎ　ｏｆ　Ｇａｓ　Ｔｕｒｂｉｎｅ　Ｅｎｇｉｎｅｓ：Ａ　Ｄｉｓｃｒｅｔｅ　Ｒｏ－　ｂｕｓｔ　Ｏｂｓｅｒｖｅｒ　Ｄｅｓｉｎｇ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｓｙｓｔｅｍｓ　Ｍａｎ＆Ｃｙｂｅｒｎｅｔｉｃｓ　Ｐａｒｔ　Ｃ　Ａｐｐｌｉｃａｔｉｏｎｓ＆Ｒｅｖｉｅｗｓ，２００９，　３９（２）：２３４—２３９．　［２Ｏ］冯志鹏，宋希庚，薛冬新，等．旋转机械振动故障诊断理　论与技术进展综述［Ｊ］．振动与冲击，２００１，２０（４）：３６－　４Ｏ．　ＦＥＮＧ　Ｚ　Ｐ，ＳＯＮＧ　Ｘ　Ｇ，ＸＵＥ　Ｄ　Ｘ，ｅｔ　ａ１．Ｓｕｒｖｅｙ　ｏｆ　Ｖｉｂｒａ－　ｔｉｏｎ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｏｆ　Ｒｏｔａｔｉｏｎａｌ　Ｍａｃｈｉｎｅｒｙ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｖｉｂｒａｔｉｏｎ　ａｎｄ　Ｓｈｏｃｋ，２００１，２０（４）：３６—４０．　［２１］ＥＳＴＩＭＡ　Ｊ　Ｏ，ＣＡＲＤＯＳＯ　Ａ　Ｊ　Ｍ．Ａ　Ｎｅｗ　Ａｌｇｏｒｉｔｈｍ　ｏｆｒ　Ｒｅ—　机床与液压　ｌ·ａ—Ｔｉｍｅ　Ｍｕｌｔｉｐｌｅ　Ｏｐｅｎ－·Ｃｉｒｃｕｉｔ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｉｎ　Ｖｏｌｔａｇｅ—－　第４６卷　ｉｆｃｉａｌ　Ｉｍｍｕｎｅ　Ａｌｇｏｒｉｔｈｍ　ｆｏｒ　Ｐａｒａｍｅｔｅｒ　Ｏｐｔｉｍｉｚａｔｉｏｎ　ｉｎ　Ｆｅｄ　ＰＷＭ　Ｍｏｔｏｒ　Ｄｒｉｖｅｓ　ｂｙ　ｔｈｅ　Ｒｅｈ　ｒｅｎｃｅ　Ｃｕｒｒｅｎｔ　Ｅｒｒｏｒｓ　Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ［Ｊ］．Ａｐｐｌｉｅｄ　Ｓｏｆｔ　Ｃｏｍｐｕｔｉｎｇ；　２０１１，１１（１）：１２０—１２９．　［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　Ｏｉｌ　Ｉｎｄｕｓｔｒｉｌａ　Ｅｌｅｃｔｏｎｉｒｃｓ，２０１３，６０　（８）：３４９６—３５０５．　［３４］解云峰，张清华，段富．基于人工免疫系统的旋转机械　　１２２　ｌ　ＢＯＵＺＩＤ　Ｍ　Ｂ　Ｋ，ＣＨＡＭＰＥＮＯＩＳ　Ｇ．Ｎｅｗ　Ｅｘｐｒｅｓｓｉｏｎｓ　ｏｆ　Ｓｙｍｍｅｔｒｉｃａｌ　Ｃｏｍｐｏｎｅｎｔｓ　ｏｆ　ｔｈｅ　Ｉｎｄｕｃｔｉｏｎ　Ｍｏｔｏｒ　Ｕｎｄｅｒ　故障诊断技术研究［Ｊ］．电脑开发与应用，２０１２，２５　（１０）：７７６—７７８．　ＸＩＥ　Ｙ　Ｆ，ＺＨＡＮＧ　Ｑ　Ｈ，ＤＵＡＮ　Ｆ．Ｒｅｓｅａｒｃｈ　ｏｎ　Ｔｅｃｈｎｉｑｕｅ　ｏｆ　Ｒｏｔａｔｉｎｇ　Ｍａｃｈｉｎｅｒｙ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｂａｓｅｄ　ｏｎ　Ａｒｔｉｆｉｃｉａｌ　Ｓｔａｔｏｒ　Ｆａｕｌｔｓ　Ｉ　Ｊ　１．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｎｄｕｓｔｉｒｌ　Ｅｌｅｃ一ａ　ｔｒｏｎｉｃｓ，２０１３，６０（９）：４０９３—４１０２．　［２３］ＳＡＭＡＲＡ　Ｐ，ＦＯＵＳＫＩＴＡＫＩＳ　Ｇ，ＳＡＫＥＬＬＡＲ１０ｕ　Ｊ，ｅｔ　１．ａＡ　Ｓｔａｔｉｓｔｉｃａｌ　Ｍｅｔｈｏｄ　ｆｏｒ　ｔｈｅ　Ｄｅｔｅｃｔｉｏｎ　ｏｆ　Ｓｅｎｓｏｒ　Ａｂｒｕｐｔ　Ｉｍｍｕｎｅ　Ｓｙｓｔｅｍ［Ｊ］．Ｃｏｍｐｕｔｅｒ　Ｄｅｖｅｌｏｐｍｅｎｔ　ａｎｄ　Ａｐｐｌｉｃａ·　ｔｉｏｎ，２０１２，２５（ｉ０）：７７６—７７８．　Ｆａｕｌｔｓ　ｉｎ　Ａｉｒｃｒａｆｔ　Ｃｏｎｔｏｒｌ　Ｓｙｓｔｅｍｓ『Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ．Ｃｏｎｔｒｏｌ　Ｓｙｓｔ．Ｔｅｃｈｎｏｌ，２００８，１６（４）：７８９—７９８．　［２４］ＪＯＫＳＩＭＯＶＩＣ　Ｇ，ＲＩＧＥＲ　Ｊ，ＷＯＬＢＡＮＫ　Ｔ，ｅｔ　ａ１．Ｓｔａｔｏｒ－　ｃｕｒｒｅｎｔ　Ｓｐｅｃｔｕｒｍ　Ｓｉｇｎａｔｕｒｅ　ｏｆ　Ｈｅａｌｔｈｙ　Ｃａｇｅ　Ｒｏｔｏｒ　Ｉｎｄｕｃ—　ｔｉｏｎ　Ｍａｃｈｉｎｅｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ．Ｉｎｄ．Ｅｌｅｃｔｒｏｎ．，２０１３，６０　（９）：４０２５—４０３３．　［２５］余建青，臧观建，谢世坤，等．旋转机械故障诊断中的信　号处理技术综述［Ｊ］．机床与液压，２０１１，３９（２４）：１０７—　１１０．　ＹＵ　Ｊ　Ｑ，ＺＡＮＧ　Ｇ　Ｊ，ＸＩＥ　Ｓ　Ｋ，ｅｔ　ａ１．Ｔｈｅ　Ｓｕｍｍａｒｙ　ｏｆ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｆｏｒ　Ｒｏｔａｔｉｎｇ　Ｍａ—　ｃｈｉｎｅｒｙ［Ｊ］．Ｍａｃｈｉｎｅ　Ｔｏｏｌ＆Ｈｙｄｒａｕｌｉｃｓ，２０１１，３９（２４）：　１０７—１１０．　［２６］ＣＯＨＥＮ　Ｌ．Ｔｉｍｅ—ｆｒｅｑｕｅｎｃｙ　Ｄｉｓｔｉｒｂｕｔｉｏｎ：ａ　Ｒｅｖｉｅｗ［Ｃ］／／　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ，１９８９，７７（７）：９４１—９８１．　［２７］ＤＩＮＧ　Ｓ，ＹＩＮ　Ｓ，ＰＥＮＧ　Ｋ，ｅｔ　ａ１．Ａ　Ｎｏｖｅｌ　Ｓｃｈｅｍｅ　ｆｏｒ　Ｋｅｙ　Ｐｅｒｆｏｒｍａｎｃｅ　Ｉｎｄｉｃａｔｏｒ　Ｐｒｅｄｉｃｔｉｏｎ　ａｎｄ　Ｄｉａｇｎｏｓｉｓ　ｗｉｔｈ　Ａｐ—　ｐｌｉｃａｔｉｏｎ　ｔｏ　ａｎ　Ｉｎｄｕｓｔｉｒａｌ　Ｈｏｔ　Ｓｔｉｒｐ　Ｍｉｌｌ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ．　Ｉｎｄ．Ｉｎｆｏｒｍａｔ．，２０１３，９（４）：２２３９～２２４７．　［２８］ＶＩＴＡＬＥＡ　Ｒ，ＤＮＯＯＲＤＢ　Ｏ，ＦＥＲＲＥＲＡ　Ａ．Ａ　Ｋｅｒｎｅｌ—ｂａｓｅｄ　Ａｐｐｒｏａｃｈ　ｆｏｒ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｉｎ　Ｂａｔｃｈ　Ｐｒｏｃｅｓｓｅｓ［Ｊ］．Ｊ．　Ｃｈｅｍｏｍｅｔｒｉｃｓ，２０１４，２８（８）：６９７－７０７．　［２９］王磊，陈青，高湛军．输电网故障诊断的知识表示方法　及其应用［Ｊ］．中国电机工程学报，２０１２，３２（４）：８５—　９２．　ＷＡＮＧ　Ｌ，ＣＨＥＮ　Ｑ，ＧＡＯ　Ｚ　Ｊ．Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ　ａｎｄ　Ａｐｐｌｉ—　ｃａｔｉｏｎ　ｏｆ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｋｎｏｗｌｅｄｇｅ　ｉｎ　Ｐｏｗｅｒ　Ｔｒａｎｓｍｉｓ·　ｓｉｏｎ　Ｇｒｉｄｓ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＣＳＥＥ，２０１２，３２（４）：　８５－９２．　［３０］陈安华，蒋玲莉，刘义伦，等．基于知识网格的故障诊断　专家系统模型［Ｊ］．仪器仪表学报，２００９，３０（１１）．　ＣＨＥＮ　Ａ　Ｈ，ＪＩＡＮＧ　Ｌ　Ｌ，ＬＩＵ　Ｙ　Ｌ，ｅｔ　ａ１．Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｅｘｐｅａ　Ｓｙｓｔｅｍ　Ｍｏｄｅｌ　Ｂａｓｅｄ　ｏｎ　Ｋｎｏｗｌｅｄｇｅ　Ｇｒｉｄ［Ｊ］．Ｃｈｉ—　ｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｃｉｅｎｔｉｉｆｃ　Ｉｎｓｔｒｕｍｅｎｔ，２００９，３０（１１）．　［３１］秦大力，基于知识管理的设备故障智能诊断模型研究　［Ｄ］．长沙：湖南大学，２０１４．　［３２］丁永生．计算智能：理论、技术与应用［Ｍ］．北京：科学　出版社，２００４．　［３３］ＡＹＤＩＮ　Ｉ，ＫＡＲＡＫＯＳＥＭ，ＡＫＩＮ　Ｅ．Ａ　Ｍｕｈｉ．ｏｂｊｅｃｔｉｖｅ　Ａｒｔｉ．　［３５］ＡＹＤＩＮ　Ｉ，ＫＡＲＡＫＯＳＥ　Ｍ，ＡＫＩＮ　Ｅ．Ａ　Ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅ　Ａｒ—　ｔｉｆｉｃｉａｌ　Ｉｍｍｕｎｅ　Ａｌｇｏｒｉｔｈｍ　ｆｏｒ　Ｐａｒａｍｅｔｅｒ　Ｏｐｔｉｍｉｚａｔｉｏｎ　ｉｎ　Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ［Ｊ］．Ａｐｐｌｉｅｄ　Ｓｏｆｔ　Ｃｏｍｐｕｔｉｎｇ，　２０１１（１１）：１２０—１２９．　［３６］谢小正．数控机床主轴组件故障的知识发现研究［Ｄ］．　兰州：兰州理工业大学。２０１３．　［３７］杨晖泽，张清华，李国勇．基于小生境原理的免疫检测　器集优化［Ｊ］．广东石油化工学院学报，２０１１（３）：５７—　６０．　ＹＡＮＧ　Ｈ　Ｚ，ＺＨＡＮＧ　Ｑ　Ｈ，ＬＩ　Ｇ　Ｙ．Ｄｅｔｅｃｔｏｒ　Ｃｏｌｌｅｃｔｉｏｎ　Ｏｐ—　ｔｉｍｉｚａｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｍｉｅｒｏｈａｂｉｔａｔ　Ｐｒｉｎｃｉｐｌｅ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｇｕａｎｇｄｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｐｅｔｏｒｃｈｅｍｉｃａｌ　Ｔｅｃｈｎｏｌｏｇｙ，２０１　１　（３）：５７—６０．　［３８］ＬＥＩ　Ｙ，ＺＪＩＡ　Ｈ，ＹＡＮＧ　Ｚ　Ｙ．Ａ　Ｃｏｍｂｉｎａｔｉｏｎ　ｏｆ　ＷＫＮＮ　ｔｏ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｏｆ　Ｒｏｌｌｉｎｇ　Ｅｌｅｍｅｎｔ　Ｂｅａｒｉｎｇｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｖｉｂｒａｔｉｏｎ　ａｎｄ　Ａｃｏｕｓｔｉｃｓ，２００７，１３１（６）：１９８０—１９９８．　［３９］张清华，钱宇，胥布工，等．量纲一指标及人工免疫系统　故障诊断技术的应用研究［Ｊ］．噪声与振动控制，２００８　（１）：８９—９２．　ＺＨＡＮＧ　Ｑ　Ｈ，ＱＩＡＮ　Ｙ，ＸＵ　Ｂ　Ｇ，ｅｔ　１ａ．Ａｐｐｌｉｃａｔｉｏｎ　Ｓｔｕｄｙ　ｏｆ　Ｄｉｍｅｎｓｉｏｎｌｅｓｓ　Ｐａｒａｍｅｎｔｅｒｔｏ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　ｔｈｅ　Ａｒｔｉｉｆｃｉａｌ　Ｉｍｍｕｎｅ　Ｓｙｅｔｅｍ［Ｊ］．Ｎｏｉｓｅ　ａｎｄ　Ｖｉｂｒｅｔｉｏｎ　Ｃｏｎｔｒｏｌ，２００８（１）：８９－９２．　［４０］ＸＩＯＮＧ　Ｊ　Ｂ，ＺＨＡＮＧ　Ｑ　Ｈ，ＰＥＮＧ　Ｚ　Ｐ，ｅｔ　ａ１．Ａ　Ｄｉａｇｎｏｓｉｓ　Ｍｅｔｈｏｄ　ｆｏｒ　Ｒｏｔａｔｉｏｎ　Ｍａｃｈｉｎｅｒｙ　Ｆａｕｌｔｓ　Ｂａｓｅｄ　ｏｎ　Ｄｉｍｅｎ—　ｓｉｏｎｌｅｓｓ　Ｉｎｄｅｘｅｓ　Ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　Ｋ—－Ｎｅａｒｅｓｔ　Ｎｅｉｇｈｂｏｒ　Ａ１·　ｇｏｒｉｔｈｍ［Ｊ］．Ｍａｔｈｅｍａｔｉｃａｌ　Ｐｒｏｂｌｅｍｓ　ｉｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０１５　（４）：１—９．　［４１］胡勤，孙国玺，张清华，等．基于改进的无量纲指标信息　融合故障诊断方法［Ｊ］．计算机辅助工程，２０１５，３（２４）：　８４－８７．　ＨＵ　Ｑ，ＳＵＮ　Ｇ　Ｘ，ＺＨＡＮＧ　Ｑ　Ｈ，ｅｔ　ａ１．Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｍｅｔｈｏｄ　Ｂａｓｅｄ　ｏｎ　Ｉｍｐｒｏｖｅｄ　Ｄｉｍｅｎｓｉｏｎｌｅｓｓ　Ｐａｒａｍｅｔｅｒｓ　Ｉｎ—　ｆｏｒｍａｔｉｏｎ　Ｆｕｓｉｏｎ［Ｊ］．Ｃｏｍｐｕｔｅｒ　Ａｉｄｅｄ　Ｅｎｇｉｎｅｅｉｒｎｇ，２０１５，　３（２４）：８４－８７．　［４２］覃爱淞，张清华，李铁鹰，等．复合量纲一指标在旋转机　械故障分类中的应用［Ｊ］．现代制造工程，２０１３（３）：　１０－１５．　ＱＩＮ　Ａ　Ｓ，ＺＨＡＮＧ　Ｑ　Ｈ，ＬＩ　Ｔ　Ｙ，ｅｔ　ａ１．Ｔｈｅ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ａ　第７期　苏乃权等：旋转机械故障诊断研究方法综述　［５１］刘忠．基于人工免疫系统的水电机组智能诊断方法研　究［Ｄ］．合肥：华中科技大学，２００７．　［５２］刘颖慧．基于人工免疫系统的异常状态监测及故障诊　Ｃｏｍｐｏｕｎｄ　Ｄｉｍｅｎｓｉｏｎｌｅｓｓ　Ｐａｒａｍｅｔｅｒ　ｆｏｒ　Ｆａｕｌｔ　Ｃｌａｓｓｉｆｙｉｎｇ　ｏｆ　Ｒｏｔａｔｉｎｇ　Ｍａｃｈｉｎｅｒｙ［Ｊ］．Ｍｏｄｅｎ　Ｍａｎｕｆｒａｃｔｕｒｉｎｇ　Ｅｎｇｉ—　ｎｅｅｒｉｎｇ，加１３（３）：１０—１５．　［４３］孙国玺，张清华，覃爱淞，等．一种新量纲一指标在石化　装备故障诊断中的应用［Ｊ］．广东石油化工学院学报，　２０１５（１）：８６－８９．　断研究［Ｄ］．上海：上海大学，２０１３．　［５３］ＡＬＩＺＡＤＥＨ　Ｅ，ＭＥＳＫＩＮ　Ｎ，ＢＥＮＡＭＭＡＲ　Ｍ，ｅｔ　ａ１．Ｆａｕｌｔ　Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　Ｉｓｏｌａｔｉｏｎ　ｏｆ　ｔｈｅ　Ｗｉｎｄ　Ｔｕｒｂｉｎｅ　Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ＳＵＮ　Ｇ　Ｘ，ＺＨＡＮＧ　Ｑ　Ｈ，ＱＩＮ　Ａ　Ｓ，ｅｔ　１．ａＴｈｅ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ａ　Ｎｅｗ　Ｄｉｍｅｎｓｉｏｎｌｅｓｓ　Ｐａｒａｍｅｔｅｒ　ｉｎ　Ｐｅｔｒｏｃｈｅｍｉｃａｌ　Ｅｑｕｉｐ—　Ｒｅａｌ—ｖａｌｕｅｄ　Ｎｅｇａｔｉｖｅ　Ｓｅｌｅｃｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ［Ｃ］／／Ｇｃｃ　Ｃｏｎ－　ｆｅｒｅｎｃｅ　ａｎｄ　Ｅｘｈｉｂｉｔｉｏｎ．ＩＥＥＥ，２０１４：１１—１６．　ｍｅｎｔ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｇｕａｎｇｄｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　［５４］岑健，胥布工，张清华，等．免疫检测器证据理论集成的　ｏｆ　Ｐｅｔｒｏｃｈｅｍｉｃａｌ　Ｔｅｃｈｎｏｌｏｇｙ，２０１５（１）：８６—８９．　［４４］ＺＨＡＮＧ　Ｑ　Ｈ，ＨＵ　Ｑ，ＳＵＮ　Ｇ　Ｘ，ｅｔ　１ａ．Ｃｏｎｃｕｒｒｅｎｔ　Ｆａｎｌｔ　Ｄｉ．　ａｇｎｏｓｉｓ　ｆｏｒ　Ｒｏｔａｔｉｎｇ　Ｍａｃｈｉｎｅｒｙ　Ｂａｓｅｄ　ｏｎ　Ｖｉｂｒａｔｉｏｎ　Ｓｅｎｓｏｒｓ　［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｄｉｓｔｒｉｂｕｔｅｄ　Ｓｅｎｓｏｒ　Ｎｅｔｗｏｒｋｓ，　２０１３，７５（８）：９３—１０２．　［４５］李良敏，屈梁生．遗传编程在无量纲指标构建中的应用　［Ｊ］．西安交通大学学院，２００２，３６（７）：７３６—７３９．　Ｕ　Ｌ　Ｍ．Ｑｕ　Ｌ　Ｓ．Ｇｅｎｅｔｉｃ　Ｐｒｏｇｒｍａｍｉｎｇ　ｆｏｒ　Ｄｉｍｅｎｓｉｏｎｌｅｓｓ　Ｐａｒａｍｅｔｅｒｓ　Ｃｏｎｓｔｒｕｃｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｘｉａｎ　Ｊｉａｏｔｏｎｇ　Ｕｎｉ．　ｖｅｒｓｉｔｙ，２００２，３６（７）：７３６—７３９．　［４６］王小平，曹立明，顾绍元．遗传程序设计及其在符号回　归问题中的应用［Ｊ］．同济大学学报，２００１，１０（２９）：　ｌ２ｏｏ—ｌ２ｏ４．　ＷＡＮＧ　Ｘ　Ｐ，ＣＡＯ　Ｌ　Ｍ，ＧＵ　Ｓ　Ｙ．Ｇｅｎｅｔｉｃ　Ｐｒｏｇｒａｍｍｉｎｇ　ａｎｄ　Ｉｔｓ　Ａｐｐｌｉｃａｔｉｏｎｓ　ｉｎ　ｔｈｅ　Ｓｙｍｂｏｌｉｃ　Ｒｅｇｒｅｓｓｉｏｎ［Ｊ］．Ｊｏｕｒａｎａｌ　ｏｆ　Ｔｏｎ￣ｉ　Ｕｎｉｖｅｒｓｉｔｙ，２００１，１０（２９）：１２００—１２０４．　［４７］何雨馨．基于遗传编程与核主元分析的滚动轴承故障　诊断方法研究［Ｄ］．北京：北京化工大学，２０１４．　［４８］轩建平，史铁林，廖广兰，等．利用遗传编程提取齿轮多　重故障分类特征［Ｊ］．振动工程学报，２００６，１９（１）：７０—　７４．　ＸＵＡＮ　Ｊ　Ｐ，ＳＨＩ　Ｔ　Ｌ，ＬＩＡＯ　Ｇ　Ｌ，ｅｔ　ａ１．Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　Ｆｅａ－　ｔｕｒｅ　Ｅｘｔｒａｃｔｉｏｎ　ｏｆ　Ｍｕｌｔｉｐｌｅ　Ｇｅａｒ　Ｆａｕｈｓ　Ｕｓｉｎｇ　Ｇｅｎｅｔｉｃ　Ｐｒｏ－　ｇｒｍａｍｉｎｇ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｖｉｂｒａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００６，１９　（１）：７０－７４．　［４９］骆广琦，宋文艳，马晓锋．基于遗传编程的线性鉴别分　析及其在故障诊断中的应用［Ｊ］．西北工业大学学报，　２ｏ０７，２５（３）：３６３－３６７．　ＬＵＯ　Ｇ　Ｑ，ＳＯＮＧ　Ｗ　Ｙ，ＭＡ　Ｘ　Ｆ．Ａｎ　Ｅｆｆｅｃｔｉｖｅ　Ｌｉｎｅａｒ　Ｄｉｓ—　ｃｉｒｍｉｎａｎｔ　Ａｎａｌｙｓｉｓ（ＬＤＡ）Ｍｅｔｈｏｄ　Ｂａｓｅｄ　ｏｎ　Ｇｅｎｅｔｉｃ　Ｐｒｏ—　ｇｒａｍｍｉｎｇ（ＧＰ）ｆｏｒ　Ｅｘｔｒａｃｔｉｎｇ　Ｆｅａｔｕｒｅｓ　ｉｎ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　［Ｊ］．Ｊｏｕｍａｌ　ｏｆ　Ｎｏｒｔｈｗｅｓｔｅｒｎ　Ｐｏｌｙｔｅｃｈｎｉｃａｌ　Ｕｎｉｖｅｒｓｉｔｙ．　２００７，２５（３）：３６３－３６７．　［５０］白焰，蒋毅恒，朱耀春，等．基于遗传编程的火电厂主汽　温系统建模研究［Ｊ］．系统仿真学报，２００８，２０（４）：１Ｃｒ７６—　１Ｏ７９．　ＢＡＩ　Ｙ，ＪＩＡＮＧ　Ｙ　Ｈ，ＺＨＵ　Ｙ　Ｃ，ｅｔ　ａ１．Ｍｏｄｅｌｉｎｇ　Ｍａｉｎ　Ｓｔｅａｍ　Ｔｅｍｐｅｒａｔｕｒｅ　Ｓｙｓｔｅｍ　ｏｆ　Ｐｏｗｅｒ　Ｐｌａｎｔ　Ｕｓｉｎｇ　Ｇｅｎｅｔｉｃ　Ｐｒｏ－　ｇｒａｍｍｉｎｇ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｓｙｓｔｅｍ　Ｓｉｍｕｌａｔｉｏｎ，２００８，２０（４）：　】０７６－１０７９　机组复合故障诊断［Ｊ］．控制与决策；２０１１，８（２６）：１２４８—　１２５２．　ＣＥＮ　Ｊ，ＸＵ　Ｂ　Ｇ，ＺＨＡＮＧ　Ｑ　Ｈ，ｅｔ　ａ１．Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｉｍ—　ｍｕｎｅ　Ｄｅｔｅｃｔｏｒ　ｉｎ　Ｂｅａｒｉｎｇ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｂａｓｅｄ　Ｏｎ　Ｄｅｍｐｓｔｅｒ．ｓｈａｆｅｒ　Ｅｖｉｄｅｎｔｉｌａ　Ｔｈｅｏｒｙ『Ｊ１．Ｃｏｎｔｒｏｌ　ａｎｄ　Ｄｅｃｉ．　ｓｉｏｎ，２０１１，８（２６）：１２４８—１２５２．　［５５］ＳＵＮ　Ｇ　Ｘ，ＱＩＮ　Ａ　Ｓ，ＺＨＡＮＧ　Ｑ　Ｈ．Ａ　Ｃｏｍｐｏｕｎｄ　Ｆａｕｈ　Ｉｎｔｅ—　ｒｇａｔｅｄ　Ｄｉａｇｎｏｓｉｓ　Ｍｅｔｈｏｄ　ｆｏｒ　Ｒｏｔａｔｉｎｇ　Ｍａｃｈｉｎｅｒｙ　Ｂａｓｅ　ｏｎ　Ｄｉｍｅｎｓｉｏｎｌｅｓｓ　Ｉｍｍｕｎｅ　Ｄｅｔｅｃｔｏｒ［Ｃ］／／Ｔｈｅ　２５ｔｈ　Ｃｈｉｎｅｓｅ　Ｃｏｎｔｒｏｌ　ａｎｄ　Ｄｅｃｉｓｉｏｎ　Ｃｏｎｆｅｒｅｎｃｅ，Ｇｕｉｙａｎｇ，Ｍａｙ２５—２７，　２０１３．　［５６］覃爱淞，张清华，胡勤，等．基于证据推理的旋转机械故　障诊断模型［Ｊ］．机床与液压，２０１４，４２（２１）：１８８—１９１．　ＱＩＮ　Ａ　Ｓ，ＺＨＡＮＧ　Ｑ　Ｈ，ＨＵ　Ｑ，ｅｔ　ａ１．Ｄｉａｇｎｏｓｉｓ　Ｍｏｄｅｌ　ｏｆ　Ｒｏｔａｔｉｎｇ　Ｍａｃｈｉｎｅｒｙ　Ｆａｕｌｔ　Ｂａｓｅｄ　ｏｎ　Ｅｖｉｄｅｎｃｅ　Ｒｅａｓｏｎｉｎｇ　［Ｊ］．Ｍａｃｈｉｎｅ　Ｔｏｏｌ＆Ｈｙｄｒａｕｌｉｃｓ，２０１４，４２（２１）：１８８—　１９１．　［５７］张清华，朱月君，赵红霞．证据理论的免疫检测器在并　发故障中的应用［Ｊ］．电子设计工程，２０１０，１８（９）：１３０—　１３３．　ＺＨＡＮＧ　Ｑ　Ｈ，ＺＨＵ　Ｙ　Ｊ，ＺＨＡＯ　Ｈ　Ｘ．Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｉｍ－　ｍｕｎｅ　Ｄｅｔｅｃｔｏｒ　ｉｎ　Ｃｏｎｃｕｒｒｅｎｔ　Ｆａｕｈ　Ｂａｓｅｄ　ｏｎ　Ｅｖｉｄｅｎｔｉｌａ　Ｔｈｅｏｒｙ［Ｊ］．Ｅｌｅｃｔｒｏｎｉｃ　Ｄｅｓｉｎｇ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０７０，１８（９）：　１３０—１３３．　［５８］ＳＵＮ　Ｇ　Ｘ，ＺＨＡＮＧ　Ｈ　Ｑ，ＱＩＮ　Ｑ　Ｈ，ｅｔ　１ａ．Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｏｆｒ　Ｒｏｔａｔｉｎｇ　Ｍａｃｈｉｎｅｒｙ　Ｂａｓｅｄ　ｏｎ　Ａｒｔｉｉｆｃｉａｌ　Ｉｍｍｕｎｅ　Ａｌｇｏ—　ｒｉｔｈｍ　ａｎｄ　Ｅｖｉｄｅｎｃｅ　Ｔｈｅｏｒｙ［Ｊ］．Ｔｈｅ　２７ｔｈ　Ｃｈｉｎｅｓｅ　Ｃｏｎｔｒｏｌ　ａｎｄ　Ｄｅｃｉｓｉｏｎ　Ｃｏｎｆｅｒｅｎｃｅ，ＱｉｎｇＤａｏ，Ｍａｙ　２５—２７，２０１５．　［５９］赵宏伟．人工免疫和证据理论集成应用于旋转机械并　发故障诊断中的研究［Ｄ］．太原：太原理工大学，２０１１．　［６Ｏ］岑健，胥布工，张清华，等．基于证据理论的免疫检测器　在轴承故障诊断中的应用［Ｊ］．轴承，２００９（８）：４２＂４５．　ＣＥＮ　Ｊ，ＸＵ　Ｂ　Ｇ，ＺＨＡＮＧ　Ｑ　Ｈ，ｅｔ　ａ１．Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｉｍ—　ｍｕｎｅ　Ｄｅｔｅｃｔｏｒｉｎ　Ｂｅａｔｉｎｇ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｂａｓｅｄ　ｏｎ　Ｄｅｍｐ－　ｓｔｅｒ－ｓｈａｆｅ　Ｅｖｉｄｅｎｔｉｌａ　Ｔｈｅｏｒｙ［Ｊ］．Ｂｅａｒｉｎｇｓ，２００９（８）：４２—　４５．　［６１］ＸＩＯＮＧ　Ｊ　Ｂ，ＺＨＡＮＧ　Ｑ　Ｈ，ＳＵＮ　Ｇ　Ｘ．Ｐａｒａｍｅｔｅｒｓ　ａｎｄ　Ｆｉｌ－　ｔｅｒｉｎｇ　Ｍｅｔｈｏｄｓ　ｉｎ　Ｒｏｔａｔｉｎｇ　Ｍａｃｈｉｎｅｒｙ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｎｅｔｗｏｒｋｓ，２０１４，９（５）：１２０１—１２０７．　（责任编辑：卢文辉）