王体春，方磊磊，童昌圣

（南京航空航天大学 机电学院，南京 210016）

复杂机械产品运行过程中存在着大量的数据信息［1］，有效利用这些数据信息可以判断复杂机械产品的运行状况［2］，在运行情况异常时及时发现并示警［3-4］，减少企业损失。国内外对于产品运行状态预测分析的研究主要分为3类。第1类是基于模型驱动的方式对复杂机械产品运行状态进行预测分析。张鹏等［5］综合考虑变压器的功能结构及性能，得到一种考虑部位和性能的电力变压器差异化评价方法。该方法能够准确识别变电力变压器运行状态，分析异常情况且准确率较高。李耀华［6］使用小波包墒ABC-BP神经网络模型对直升机齿轮箱运行状态进行分析，结果证明该模型具有良好的故障诊断作用。第2类是基于知识推理的方式对复杂机械产品运行状态进行预测分析。张维等［7］提出了一种基于模糊推理和滑动平均相似度分析的辅助设备故障预警方法，结果证明该方法能够有效预测运行状态，对故障进行示警；刘华一等［8］提出一种基于语义网的机床故障诊断知识扩展方法和一种应用该方法的知识扩展平台体系结构，并基于上述知识扩展方法和平台体系结构进行机床故障诊断知识扩展平台开发，验证了知识扩展功能在知识模型构建和知识库实例扩展方面的有效性。第3类是基于数据驱动的复杂机械产品运行状态预测分析。褚菲等［9］提出一种全潜鲁棒偏M估计的复杂工业过程最优状态的鲁棒评价方法，使用样本数据加权方式对产品运行状态进行评价，对于现代复杂工业产品运行状态评价有参考意义。……