窦 唯，刘占生

(1.北京航天动力研究所，北京 100076;2.哈尔滨工业大学 能源科学与工程学院，哈尔滨 150001)

目前，应用于旋转机械故障诊断的智能方法，如神经网络、模糊推理、专家系统等诊断方法的故障特征多数是来自于对振动数据进行各种信号处理提取得到的，然后进行诊断识别［1-4］。但是在实际工程应用中更为关注的是一些由振动数据得到的参数图形，如振动三维谱图、轴心轨迹图及趋势图等，因为这些图形中含有设备运行过程中的大量状态信息，在以往的故障诊断系统中图形中的信息没有得有效的利用，在一定程度上影响诊断技术的推广和利用。

近年来，利用图形识别技术进行故障诊断已引起人们的极大兴趣，如利用振动三维谱图诊断发电设备中的各种常见故障［5-6］;提出了在二维全息谱的基础上重构低频和倍频轴心轨迹的方法诊断旋转机械常见故障［7］;文献［8］探讨了图形处理技术在柴油机振动故障诊断中的应用，为图形识别技术能应用在旋转机械故障诊断中提供了新的思路;文献［9-11］根据图形识别技术研究了基于灰度-基元共生矩阵、灰度-梯度共生矩阵及融合灰度共生矩阵的旋转机械故障诊断方法。

图形信息在以往的旋转机械故障诊断中没有得到较好的利用，主要是图形特征的提取和描述困难。因此，能否准确描述图形的纹理特征也是制约着图形识别技术在故障诊断中应用的瓶颈之一。

灰度图形特征主要包括形状、纹理等。……