雷亚国，何正嘉

(西安交通大学 机械制造系统工程国家重点实验室，西安 710049)

航空发动机、大型风电装备、汽轮发电机组等大型复杂关键设备的状态监测和故障诊断关系到生产系统的正常运行、生产效率的提高、产品质量的保证、环境保护以及维修管理的科学化与现代化等一系列重要问题，受到世界各国的广泛关注。由于设备本身结构和机理的复杂性、参数和结构的不确定性、动态时变特性以及严重的强耦合性，使得这些设备的故障通常表现为复杂性、不确定性、相关性、层次性等特点［1］，因此，大型复杂关键设备早期、微弱以及复合故障的诊断要比常规设备的诊断要求高、难度大。传统的故障诊断工作大多由专业技术人员和诊断专家完成，因此使用者的经验和专业知识就显得异常重要;同时由于设备复杂、自动化程度高，需要分析的数据量也十分巨大，这些大量的数据全部依靠专业技术人员和诊断专家来分析显然是不现实的，因此必须提高设备故障诊断的自动化和智能化程度［2-7］。

为了摆脱故障诊断过分依赖于专业技术人员和诊断专家，打破机械故障诊断量大面广与诊断专家相对稀少之间的尴尬局面，需要对设备实现高效、可靠的智能诊断［8-11］。研究者将专家系统、模糊逻辑、神经网络、遗传算法等人工智能技术应用于设备的故障诊断中，从而进行设备的智能故障诊断，在实践中取得了显著的成效，表现出相对出色的性能［12-15］。……