从飞云，陈 进，董广明

(上海交通大学 机械系统与振动国家重点实验室，上海 200240)

目前，在设备的状态监测和故障诊断领域，故障模式识别是主要的研究方向之一，即实现不同故障类型的分类，而这往往只能实现被动的维护模式，不利于实现生产设备效益的最大化。设备的性能退化评估及预测研究是对该领域现有研究思维模式的全新拓展，它更侧重于设备全寿命周期中的性能退化过程，对设备运行状态进行综合性的评估，同时，结合综合评估结果预测设备的发展变化，对故障的发生、发展进行有效评估，达到防微杜渐、防范于未然的效果，实现从传统的被动式维护FAF(Fail and Fix)模式到以预测与预防为主的主动式维护PAP(Predict and Prevent)模式的转变，大大提高了企业设备运行的安全可靠性，降低企业的设备维护成本。

国外对于该方面的研究起步比较早，重视度也比较高。2001年，在美国国家自然科学基金的资助下，威斯康辛大学和密歇根大学联合工业界近40家企业共同成立了智能维护系统研究中心，一些性能退化评估方法已被相继提出，如基于小脑模型神经网络［1］、自组织特征图神经网络［2］、隐马尔可夫模型［3］等评估方法。然而，上述方法在不同的方面都存在不足，如小脑模型神经网络方法的评估结果受人为设定参数的影响较大，自组织特征图神经网络和隐马尔可夫模型方法的评估结果不能直观反映具体退化程度，而逻辑回归方法则要求有各种异常状态的数据和先验知识。……