田田 杜奕 袁正兴 唐洪

基金项目：国家自然科学基金项目（51365020，51467007）

作者简介：田田（1994-），男，昆明理工大学城市学院硕士研究生，研究方向为机械故障诊断;杜奕（1977-），男，博士，昆明理工大学城市学院副教授，研究方向為机械故障诊断。本文通讯作者：杜奕。

摘 要：针对学科动态发展，以机械故障诊断为例，采用文献计量分析软件VOSviewer绘制考虑不同因素的文本标签、密度和耦合地图，分析机械故障诊断动态发展的研究领域、机构和人员情况。利用文献计量分析软件HistCite以弥补VOSviewer在文献引用指向分析上的不足。研究表明VOSviewer能为机械故障诊断动态发展提供较为全面和准确的分析，可作为其它学科动态发展分析方法。

关键词：机械故障诊断;动态发展;VOSviewer;HistCite;知识图谱

DOI：10. 11907/rjdk. 191684 开放科学（资源服务）标识码（OSID）：

中图分类号：TP319文献标识码：A 文章编号：1672-7800（2019）008-0144-05

Dynamic Development of Mechanical Fault Diagnosis Based on Bibliometric Analysis

——Taken Machanical Fawlt Diagnosis as an Example

TIAN Tian1，DU Yi1，YUAN Zheng-xing1，TANG Hong2

（1. City College，Kunming University of Science and Technology，Kunming 650051， China;

2. College of Materials Science and Engineering， Hunan University， Hunan 410006， China）

Abstract： Aiming for the dynamic development of subject， mechanical fault diagnosis is taken as an example. Text labels， density， and coupling maps are drawn by using bibliographic analysis software VOSviewer. The main research areas， institutions and personnel of the dynamic development of mechanical fault diagnosis are analyzed. The bibliographic analysis software HistCite is used to make up for the deficiency of VOSviewer in literature citation analysis. The conclusion shows that VOSviewer can provide a more comprehensive and accurate analysis for the dynamic development of mechanical fault diagnosis. It also provides a method of the dynamic analysis for other disciplines.

Key Words： mechanical fault diagnosis; dynamic development; VOSviewer; HistCite; knowledge atlas analysis

0 引言

机械设备一旦出现事故会带来巨大的经济损失和人员伤亡[1-5]，机械故障诊断对保障设备安全运行意义重大。故障诊断技术一直备受重视，很多学者开展了相关研究工作，本文利用Google学术和Web of science数据库进行了相关检索：在Google 学术搜索中，2015-2017年标题中含有fault diagnosis的文献有11 013余篇，标题中含有damage detection的文献有2 763篇;在Web of science数据库中，2015-2017年标题中含有fault diagnosis的文献有6 127余篇。显然，在短时间内通过阅读这些数量庞大的文献，了解学科动态发展是很难的。

文献计量分析是利用文献计量学原理对相关文献进行分析的一种方法。通过采用数学、统计学等计量方法，研究文献的分布结构、数量关系、变化规律[6-9]，可用于分析学科动态发展、学科研究概况以及预测学科发展趋势[10-14]。当前，研究人员已经开发出一些用来绘制科学知识图谱的文献计量分析软件，其中，软件VOSviewer可视化效果优于其它同类分析软件，并且其分析功能也较为全面[15-18]，但是，VOSviewer在文献引用分析中缺乏明确的指向。软件HistCite拥有较为完善的文献引用分析指向而且操作简单，但HistCite的可视化效果和分析功能都过于单一。为此，本文在文献引用指向分析中采用HistCite的指向图代替VOSviewer的标签视图，使其更接近真实引用关系，有效增强了读者对文献关联性的认知，对学科动态发展有更全面和准确的了解。

在Web of Science核心数据库中，以“Mechanical Fault Diagnosis（机械故障诊断）”为主题词进行检索，将输出的大量文献纯文本导入软件VOSviewer，通过软件VOSviewer分别绘制出主要研究领域、机构和人员标签、密度和耦合地图。在此基础上得到主要研究机构中重要和活跃人员的文献纯文本，以此为依据利用软件HistCite对其引用指向进行分析，得到该学科主要领域的重要文献。

1 研究领域分析

将历年文献记录导入软件VOSviewer进行分析，分别得到相关术语文本标签如图1所示，相关术语文本密度如图2所示。

图1 相关术语文本标签

图2 相关术语文本密度

从图1可以看出，相关术语分5个聚类，将机械故障诊断研究分成5个研究主题，再结合图2中深色部分为重点研究对象，对深色区域元素进行综合分析，得出5个主要研究领域分别是：信号获取与传感技术、信号处理与诊断方法、故障机理、故障征兆、智能决策与诊断。将2015-2017年的文献记录导入软件VOSviewer进行分析，得到2015-2017年相关术语文本标签如图3所示，2015-2017年相关术语文本密度如图4所示。

从图3可以看出，相关术语分3个聚类，再结合图4中深色部分为重点研究对象，对深色区域的元素进行综合分析，得出近3年对信号获取与传感技术和信号处理与诊断方法研究仍然是重点研究领域的结论。另外，对干扰信号的研究开始凸显。

图3 2015-2017年关术语文本标签

图4 2015-2017年相关术语文本密度

世界各国因文化差异和政治因素，导致研究领域重点不同，所以将研究领域具体到某个国家是有必要的。这里以国家字段“中国”精炼文献记录，将得到的记录导入软件VOSviewer进行分析，得到中国关于机械故障诊断的相关术语文本标签如图5所示，相关术语文本密度如图6所示。

图5 中国相关术语文本标签

从图5、图6可以看出，中国对机械故障诊断的研究主要集中在信号获取与传感技术、干扰信号和智能决策与诊断3个方面。

为了进一步了解2015-2017年中国在机械故障诊断研究领域是否与国际研究领域脱轨，以出版日期“2015-2017”进一步精炼文献记录并导入软件VOSviewer进行分析，得到中国在2015-2017年关于机械故障诊断研究的主要领域相关术语文本标签如图7所示，相关术语文本密度如图8所示。

图6 中国相关术语文本密度

图7 2015-2017年中国相关术语文本标签

图8 2015-2017年中国相关术语文本密度

从图7和图8可以看出，中国在2015-2017年度关于机械故障诊断研究的主题主要包括信号获取与传感技术、智能决策與诊断和故障机理。通过对比分析图3和图4不难看出，对信号获取与传感技术的研究已经成为机械故障诊断研究领域的热点。结合对中国机械故障诊断研究主题分析可知，中国对信号获取与传感技术的研究紧随世界研究前沿。此外，中国在智能决策与诊断和故障机理方面处于世界研究前沿。

2 研究机构分析

将历年文献记录导入软件VOSviewer进行分析，分别得到研究机构分布标签如图9所示，研究机构密度如图10所示。

图9 研究机构分布标签

图10 研究机构密度

从图9和图10可以看出，xi an jiao tong univ（西安交通大学）、shanghai jiao tong univ（上海交通大学）、georgia inst technol（佐治亚理工学院）、unlv plcardle jules verne（皮卡第儒勒-凡尔纳大学）、nan yang technol univ（南洋理工大学）是当前机械故障诊断的领军机构，但不能从图9和图10中看出哪些研究机构同属一个研究方向。

从研究机构聚类图（见图11）可以得出，xi an jiao tong univ（西安交通大学）和shanghai jiao tong univ（上海交通大学）属于同一聚类，说明他们之间有共同关注的研究领域。

图11 研究机构分布聚类

根据对机械故障诊断领域进行研究的中国机构密度图（见图12），可快速查找到国内从事机械故障诊断领域研究的主要机构是西安交通大学、重庆大学、上海交通大学等。而通过其标签图（见图13）的聚类分布，也可看出国内研究机构之间关联度的强弱。

图12 中国研究机构分布标签

图13 研究机构分布聚类

3 研究人员分析

通过作者共引分析，能看出机械故障诊断领域重要的研究人员分布情况。从机械故障诊断领域研究的国际研究人员共引分析标签图（见图14）、密度图（见图15）中，可快速找到从事机械故障诊断领域研究的国际重要研究人员是：capolino ga、lin j、he zj。

图14 国际研究人员共引分析标签

图15 国际研究人员共引分析密度

为了分析机械故障诊断领域研究主题的异同情况，并反映研究人员对机械故障诊断研究的活跃情况，需要进一步对作者的耦合关系进行分析，作者耦合标签如图16所示，作者耦合密度如图17所示。

图16 作者耦合标签

图17 作者耦合密度

从图16和图17可以发现，国际上从事机械故障诊断领域研究较活跃的人物分别是he zj、capolino ga、lang zq等。

从事机械故障诊断领域研究的国内研究人员文本标签分布如图18所示，文本标签聚类如图19所示。列出国内发表论文数超过7篇的6位研究人员，他们是国内研究机械故障诊断的主要研究人员，分别为he zj、lin j、qin y、wang jy、zhang l、wang ty等。

图18 国内研究人员文本标签

图19 国内研究人员文本聚类

4 研究文献分析

机械故障诊断研究的重要文献分布标签如图20所示。

图20 重要文献分布标签

从图20可以发现机械故障诊断领域的重要文献，但不能确定是否为基础重要文献和明确引用指向关系，因此利用软件HistCite画出文献引用指向如图21所示。

结合图20和图21，可找到3篇文献，它们是机械故障诊断领域内的重要基础文献。其中，有2篇分别于1995年和1998年发表，可推断其取得了新的重要研究成果。经检索可知，发表于1995年的文献论文题目为“Motor bearing damage detection using stator current monitoring”（基于定子电流监测的电机轴承损伤检测），被引频次达375次，作者是英国人Schoen R R等[19];而发表于1998年的文献论文题目为“The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis”（非线性和非平稳时间序列分析的经验模态分解和希尔伯特谱），被引频次达7 070次，作者是美籍华人HUANG等[20];而发表于2000年的文献论文题目为“A review of induction motors signature analysis as a medium for faults detection”（感应电动机特征分析作为故障检测介质的综述），被引频次达617次，作者是Benbouzid，ME等[21]。

5 结语

通过实例分析可以看出，利用VOSviewer能够分析出相关研究领域的整体研究概况、最新研究进展、特定国家的研究情况、机构分布情况以及相关领域的重要研究人员，能够发现主流学术群体及其代表人物、核心技术领域和热点问题等，并且以可视化图像直观进行展示，能够较好地用于科学研究活动。在结合软件HistCite的基础上可以分析出重要的文献信息，为读者了解其它学科发展动态提供有效方法。

参考文献：

[1] 王国彪，何正嘉， 陈雪峰，等. 机械故障诊断基础研究“何去何从”[J]. 机械工程学报， 2013（1）：63-72.

[2] 佚名. 基于约束独立分量分析的齿轮箱故障诊断研究[D]. 焦作：河南理工大学， 2015.

[3] 赵凯. 基于支持向量回归的轴承故障定量诊断方法研究[D]. 苏州：苏州大学， 2012.

[4] 贺王鹏. 周期簇稀疏特征提取方法及其在机械故障诊断中的应用研究[J]. 机械工程學报，2018，54（2）：208-210.

[5] 袁静，何正嘉，訾艳阳. 机械故障诊断的内积变换原理与多小波特征提取方法研究[J]. 机械工程学报，2013，49（4）：147-152.

[6] ANTONI J， RANDALL R B. The spectral kurtosis： application to the vibratory surveillance and diagnostics of rotating machines[J]. Mechanical Systems and Signal Processing， 2006 （20）：308-331.

[7] 高磊，张晓娟. 基于文献计量的企业风险管理研究现状分析[J]. 财经理论研究，2014（2）：102-108.

[8] 邱均平. 文献计量学的定义及其研究对象[J]. 图书馆学通讯，1986（2）：71-75.

[9] 杨立英，周秋菊，岳婷. “科学前沿领域”挖掘的文献计量学方法研究[EB/OL].  http：//www.doc88.com/p-7072010001758.html，2011.

[10] ZHOU W，LU B，HABETLER T G，et al. Incipient bearing fault detection via motor stator current noise cancellation using wiener filter[J]. Ieee Transactions on Industry Applications，2009（45）：1309-1317.

[11] 于江. 学科领域发展状况的可视化分析[D]. 大连：大连理工大学，2009.

[12] 周鑫，陈媛媛. 关键词词频变化视角下学科研究发展趋势分析——以国内情报学研究为例[J]. 情报杂志，2016，35（5）：133-140.

[13] 胡忠辉，倪瑞，李兴权，等. 基于InCites的国内外理学主要学科发展分析研究[J]. 学位与研究生教育， 2013 （11）：42-46.

[14] 高丽，曾庆良，范文慧. 多学科设计优化研究及发展趋势分析[J]. 工程设计学报，2007，14（6）：429-434.

[15] KIA S H，HENAO H，CAPOLINO G A. Efficient digital signal processing techniques for induction machines fault diagnosis[C]. 2013 Ieee Workshop on Electrical Machines Design， Control and Diagnosis （Wemdcd）， 2013.

[16] ROBERT T. A comparative study of citations to chemical encyclopedias in scholarly articles： Kirk-Othmer encyclopedia of chemical technology and ullmanns encyclopedia of industrial chemistry[J].  Scientometrics，2018，117（1）：592-601.

[17] WALEED M S，SAMAH W A J， ANSAM F， et al. Global research output in antimicrobial resistance among uropathogens： a bibliometric analysis （2002-2016）[J].  Journal of Global Antimicrobial Resistance，2018（2）：13-20.

[18] STEPHEN C，ALAN L，PORTER，et al.Visualization of disciplinary profiles： enhanced science overlay maps[J]. Journal of Data and Information Science，2017，2（3）：68-111.

[19] SCHOEN R R， HABETLER T G， KAMRAN F， et al. Motor bearing damage detection using stator current monitoring[J]. IEEE Transactions on Industry Applications， 1995 （31）：1274-1279.

[20] HUANG N E， SHEN Z，LONG S R， et al. The empirical mode decomposition and the hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings of the Royal Society a-Mathematical Physical and Engineering Sciences，1998（454）：903-995.

[21] BENBOUZID M E. A review of induction motors signature analysis as a medium for faults detection[J].  IEEE Transactions on Industrial Electronics， 2000 （47）：984-993.