管业勤， 蒋祖华

(上海交通大学 机械与动力工程学院，上海 200240)

机电设备随着科技的发展和进步日趋复杂，随机性、继发性、并发性、暴发性、隐蔽性等也已成为故障出现时所具备的性质[1]。同时，故障的出现方式更加复杂，多个故障同时发生或相互作用的情况更加常见。

传统的研究将多重故障诊断转化为一类由各个组成故障对应于征兆数据集合的类划分问题[2]。现有的智能诊断方法大多针对具体的工程问题展开，如文献[3]针对航空发动机的并发多故障诊断问题，运用自联想记忆神经网络，改进输入数据不完整或充满噪声情况下的诊断效果，但其特点对于相似故障的判别能力较弱。文献[4]建立基于置信规则的复合式诊断系统架构以应对无耦合关联和发生冲突的船用柴油机并发多故障，扩大系统可诊断的故障范围，其缺点是没有考虑可能并发的故障之间如冲突、耦合等更为复杂的联系。文献[5]针对电动机故障诊断复杂，训练困难等难题，扩展了单故障诊断方法，采用子径向基函数神经网络构造组态式故障诊断模型一种故障模式。文献[6]针对传统模糊诊断规则库缺乏联想和自学习能力的缺点，采用模糊神经网络构造智能诊断系统，将遗传算法和蚁群算法用于系统参数优化训练中，提高了诊断系统的泛化能力和收敛速度，不足之处在于该方法仅针对多种相互独立故障，难以应对复杂的多故障并发情形。现有研究大多聚焦于提取表征故障类型的有效故障特征，或着力于建立基于特征信息的模式分类系统。……