艾科勇，张永明，王文斌，栗 宇，剡昌锋

(1.兰州理工大学机电工程学院，甘肃 兰州 730050)(2.甘肃路桥飞宇交通设施有限责任公司，甘肃 兰州 730050)(3.大秦铁路股份有限公司，山西 太原 030045)

汽轮发电机组是电力系统极为重要的大型旋转设备，由于其结构复杂、运行环境恶劣，极易发生故障，且故障一旦发生，轻则引起设备损坏，重则引发安全事故，因此对其进行快速、可靠的故障诊断，是确保机组设备安全、稳定、高效运行的前提。早期主要依靠维修专家的直觉或经验进行诊断，很难做到及时、有效[1]。

近年来，本体成为了旋转机械故障诊断领域的研究热点。基于本体的知识表示方法能够清晰地定义领域的概念和关系。借助语义网技术，本体还具有高效的知识推理和查询能力等。如栗宇[2]构建了一种适用于汽轮发电机组故障诊断领域的本体知识表示模型。Zhou等[3]提出了一种基于本体和FMECA(failure mode effects and criticality analysis, 故障模式、影响及危害性分析)的风力发电机组智能故障诊断方法。李娟莉等[4]提出了一种基于本体的故障诊断方法，构建了矿井提升机故障诊断本体知识库。

随着“互联网+”“中国制造2025”的推进，现代化工厂中产生有大量蕴含着机组设备状态信息的运行数据。基于信号分析的故障诊断方法，可通过分析从传感器中采集的故障信号和运行状态数据，提取信号的故障特征并辨识出故障类型。如张琛[5]提出了一种基于集合经验模态分解和熵特征的旋转机械故障特征提取方法，从而进行转子故障诊断。……