数据驱动的复杂机电系统健康监测与智能诊断

本书立足当前复杂机电系统健康监测与智能诊断的研究热点，面向国家重大需求，将前沿理论与实际应用紧密结合。针对复杂机电系统故障诊断领域中小样本、跨领域、缺乏可解释性等复杂场景和问题，介绍熵理论、深度学习、信息融合、数字孪生和知识图谱等技术在故障诊断中的应用，结合实际案例进行深入讲解。通过构建小型双转子故障模拟实验平台，对故障预测与健康管理全过程进行演示，便于对前沿知识进行深入理解。

[1]2023年度入选教育部“青年长江学者”；[2]2019年度荣获中国力学学会优秀博士学位论文 (全国共5人)；[3]2018年荣获中国博士后创新人才支持计划 (全国航空宇航共7人)；[4]2025年陕西省技术发明二等奖（排1）；[5]2024年中国航空学会二等奖（排1）；[6]2024年中国振动工程学会二等奖（排1）；[7]爱思唯尔中国高被引学者—航空宇航科学与技术（连续3年）；[8]入选全球前2%顶尖科学家榜单（连续5年）。[9]2022年入选IEEE Senior Member[10]2025荣获西北工业大学吴亚军优秀教师特等奖。[11] The only recipient of “2023 Machines Young Investigator Award” in the whole world。[12] “2024 Entrepreneurship and Innovation Talent” of Jiangsu province, China 2024。

目录
前言
第1章 基于深度迁移学习的故障状态诊断 1
1.1 引言 1
1.2 迁移诊断问题描述及领域适应方法 2
1.2.1 数据驱动故障诊断一般流程 2
1.2.2 迁移诊断问题描述 3
1.2.3 典型的领域适应故障诊断 4
1.3 基于深度因果分解网络的迁移策略 9
1.3.1 因果任务分解 10
1.3.2 轴承因果关系的建立 11
1.3.3 因果特征因子分解 13
1.3.4 实验验证 14
1.4 基于多尺度传递模糊熵的迁移策略 19
1.4.1 构造迁移学习模型 20
1.4.2 实验验证 23
1.5 本章小结 28
参考文献 28
第2章 基于熵理论和贝叶斯深度学习的设备剩余使用寿命预测 31
2.1 引言 31
2.2 熵理论 32
2.2.1 传统熵理论 33
2.2.2 熵值方法的改进及应用 36
2.3 基于数据驱动的剩余使用寿命预测 39
2.3.1 传统设备剩余使用寿命预测 39
2.3.2 贝叶斯深度学习 41
2.3.3 基于贝叶斯深度学习的剩余使用寿命预测 45
2.4 案例分析 50
2.4.1 数据描述 50
2.4.2 评价指标 50
2.4.3 预测结果 51
2.4.4 不同方法的结果对比 52
2.5 本章小结 53
参考文献 53
第3章 基于多源信息融合的设备故障诊断 56
3.1 引言 56
3.2 多源信息融合概述 57
3.3 多源信息融合故障诊断概述 60
3.3.1 多源信息融合故障诊断的必要性 60
3.3.2 多源信息融合故障诊断的关键问题 61
3.4 基于多源同构数据融合的故障诊断 62
3.5 基于多源异构数据融合的故障诊断 64
3.6 基于多源信息融合的设备故障诊断实例验证 66
3.6.1 多源数据融合机理 66
3.6.2 基于多源异构信息融合的注意力增强信息融合诊断 69
3.6.3 试验验证与结果分析 71
3.6.4 不同场景下的故障诊断表现 75
3.7 本章小结 78
参考文献 78
第4章 数字孪生驱动的机械故障迁移诊断 81
4.1 引言 81
4.2 数字孪生概述 82
4.3 齿轮箱数字孪生模型构建 83
4.3.1 齿轮箱动力学模型 84
4.3.2 正常状态下单齿啮合刚度计算 85
4.3.3 时变啮合刚度计算 89
4.3.4 故障齿轮啮合刚度计算 92
4.4 齿轮箱数字孪生模型验证 101
4.4.1 LY-SLL-03P小型转子平行轴齿轮箱故障模拟试验台 101
4.4.2 数字孪生模型参数设置 102
4.4.3 数字孪生数据与实测数据的共性和差异性分析 106
4.5 数字孪生驱动的齿轮箱故障迁移诊断实例验证 108
4.5.1 数字孪生-实测迁移诊断问题设定 108
4.5.2 子域适应引导的迁移诊断策略 109
4.5.3 迁移诊断模型参数设置 111
4.5.4 实验结果与讨论 112
4.6 本章小结 112
参考文献 113
第5章 基于知识图谱的复杂设备故障诊断 114
5.1 引言 114
5.2 基于知识的故障诊断 114
5.2.1 基于专家系统的故障诊断 117
5.2.2 基于知识图谱的故障诊断 118
5.3 故障诊断领域知识图谱构建 121
5.3.1 实体-关系抽取 121
5.3.2 知识推理 133
5.3.3 知识存储 133
5.4 基于领域知识图谱的故障诊断 134
5.5 本章小结 138
参考文献 138
第6章 双转子系统故障诊断模拟和健康监测平台 140
6.1 引言 140
6.2 双转子系统 140
6.2.1 双转子系统的定义与工作原理 140
6.2.2 双转子系统的发展历程 141
6.2.3 双转子系统的应用场景 146
6.2.4 双转子系统的分类 148
6.2.5 双转子系统的故障形式 153
6.2.6 双转子系统的故障诊断方法 157
6.3 小型双转子故障模拟实验平台 161
6.3.1 总体结构 161
6.3.2 故障施加机构 163
6.4 小型双转子模拟平台 163
6.4.1 硬件设计原理图 164
6.4.2 硬件设计元器件布局 169
6.4.3 硬件控制逻辑及程序编写 171
6.5 软件系统 174
6.5.1 软件用户界面设计 174
6.5.2 软件功能 177
6.6 本章小结 179
参考文献 180