赵海心 姜孝谟 徐胜利 林 琳 宫云庆

（1.大连理工大学；2.沈阳鼓风机集团股份有限公司）

0 引言

旋转机械广泛应用于能源、化工、航空航天等诸多领域中。随着工业技术的发展，旋转机械日趋大型化、高速化和自动化，但同时带来了系统复杂度的增加，也增加了对系统可靠性的要求。旋转机械运行期间经常发生各种故障，导致整个生产非正常停止运行，产生巨大经济损失，严重时甚至会造成安全事故和人员伤亡[1-3]。因此，对旋转机械进行早期故障识别，对于避免重大事故，提高生产率和减少维修时间都具有重大现实意义[4-5]。

对传统旋转机械进行故障诊断的方法有解析模型方法[6]、专家系统方法[7]、人工智能方法[7-11]等。解析模型方法能够从机理上直接解释故障，但解析模型相对简单，难以用于复杂工程系统。专家系统利用了现有的知识和经验进行故障识别，但专家系统构建十分困难，需要复杂艰深的知识和长期积累的经验，构建好的专家系统也缺乏灵活性和可移植性。人工智能方法通过提取数据中的特征信息实现故障检测，更适用于目前工程系统中复杂的大量数据。在人工智能方法中，无故障模型方法是一种常用的技术[12-13]。通过健康数据训练得到系统识别模型，用来预测健康状况下系统的响应。通过比较实测数据与模型预测值，比如评估两组数的残差，来判断系统的健康状况。这种方法不需要系统的历史故障信息，同时残差代表系统实际性能相比正常性能的偏差，具有明确的物理意义，在故障识别中表现出了良好的效果[14]。……