机理约束语义编码的振动诊断与证据链溯源方法及系统与流程

本技术涉及设备状态监测与智能运维的，尤其是涉及机理约束语义编码的振动诊断与证据链溯源方法及系统。

背景技术：

1、旋转机械振动诊断是工业设备运维的核心环节，传统诊断方法依靠领域专家对频谱、包络谱、相位关系进行人工分析，虽然具备较强的可解释性，但高度依赖人员经验，诊断效率低且标准难以统一，无法适配大规模设备集群的实时监测需求。

2、随着机器学习与深度学习技术的发展，数据驱动的故障诊断方法得到广泛应用，这类方法能够自动从时域、频域或时频图中提取特征并完成故障分类，在稳态工况下具备较高的识别效率。但现有数据驱动方法普遍缺乏对旋转机械故障物理机理的显式约束，模型学习过程仅依赖数据统计分布，无法直接体现不平衡、不对中、松动、滚动轴承故障、油膜涡动等典型故障的物理演化规律，导致诊断结果存在黑盒性，输出结论易出现与物理机理不符的偏差，可解释性不足。

3、同时，现有方法难以将诊断结论与原始信号、测点位置、处理链路进行绑定，无法形成完整可追溯的证据链条，难以满足工业场景下的运维审计与责任认定需求。在启停机、变负载等非稳态工况与传感器异常场景下，传统频谱分析方法受频率涂抹影响精度显著下降，现有数据驱动模型的泛化能力不足，无法有效适配变转速工况，且在测点信号缺失或失真时缺乏有效的降级诊断机制，系统鲁棒性较差。此外，现有诊断系统多止步于故障结论输出，未与现场运维工单、维修复测流程形成完整闭环，无法通过实际运维结果反向优化诊断模型，诊断精度难以随运行数据积累持续提升。

技术实现思路

1、为了解决上述技术问题，本技术提供机理约束语义编码的振动诊断与证据链溯源方法及系统。

2、第一方面，本技术提供机理约束语义编码的振动诊断与证据链溯源方法，采用如下的技术方案：

3、机理约束语义编码的振动诊断与证据链溯源方法，包括以下步骤：

4、获取目标设备的振动信号、转速信号、结构参数与工况参数；

5、对振动信号进行预处理，生成时域、频域、阶次域和/或包络域特征表示；

6、依据结构参数、工况参数与故障频率物理模型，从特征表示中提取分层机理原子标记；

7、将分层机理原子标记与原始数据来源、测点通道、时间窗、变换链路、机理属性、质量评分、适用工况进行绑定，构建可追溯证据对象；

8、将分层机理原子标记、证据对象、工况信息与位置信息进行联合编码，生成诊断输入序列，输出多个候选故障假设并关联对应支持证据与冲突证据；

9、对候选故障假设执行冲突仲裁与机理一致性校验，输出排序后的诊断结论与可追溯证据编号；

10、基于诊断结论生成维修工单，维修完成后通过复测验收结果更新证据评分权重与故障鉴别边界。

11、可选地，当目标设备处于加速、减速或转速波动工况时，对振动信号执行角域重采样与阶次跟踪处理，生成阶次谱与瞬态特征表示；同时根据当前工况向量计算各类机理原子标记的激活权重，对激活权重低于预设阈值的标记对应证据对象执行降权或转为待补充状态。

12、可选地，所述分层机理原子标记包括三层结构：

13、l1基础量标记，用于表征幅值、频率、阶次、相位、轨道几何参数中的至少一种；

14、l2结构关系标记，用于表征谐波族、边带群、调制关系、阶次耦合、多通道相干性中的至少一种；

15、l3故障语义标记，用于表征不平衡、不对中、松动、滚动轴承故障、油膜涡动、结构共振中的至少一种。

16、可选地，所述证据对象的质量评分由信噪比、传感器健康度、机理相关性、工况匹配度、跨通道一致性多指标加权计算得到；并引入时序衰减因子对质量评分进行时效调整，衰减系数随转速、负载、温度的变化率增大而同步提高。

17、可选地，所述冲突仲裁采用d-s证据理论融合各证据对象的基本概率赋值，得到各候选故障假设的信任函数与似真函数；再通过频谱特征鉴别矩阵对排序靠前的候选故障进行复核，结合信任函数值与复核得分得到最终仲裁结果；所述频谱特征鉴别矩阵的判定边界随闭环验收结果通过分位数统计进行在线自校准。

18、可选地，当检测到测点信号异常或缺失时，基于相邻通道信号通过时延传递模型重建虚拟传感器信号，计算重建置信度并将其传播至对应证据对象的质量评分；当重建置信度低于预设阈值时，系统切换为单通道降级诊断模式，输出粗粒度故障类别结论。

19、可选地，基于候选故障的信任函数值与似真区间宽度，将诊断结果划分为自动确认区、辅助决策区与人工接管区；自动确认区直接生成维修工单，辅助决策区输出证据摘要与最优补测建议，人工接管区触发现场专家复核。

20、可选地，维修完成后采用与修前同源的采集与处理流程得到修后证据对象，对比修前修后关键特征量的变化输出验收结论；并基于验收结果通过贝叶斯方法更新证据质量指标的权重，同步更新历史案例库与同型号设备机群基线。

21、第二方面，本技术提供机理约束语义编码的振动诊断与证据链溯源系统，采用如下的技术方案：

22、机理约束语义编码的振动诊断与证据链溯源系统，包括：

23、数据采集与预处理模块，用于获取目标设备的振动、转速、结构与工况参数，生成多域特征表示；

24、机理标记与证据构建模块，用于提取分层机理原子标记，构建带质量评分的可追溯证据对象；

25、联合编码与诊断推理模块，用于生成统一语义编码，输出候选故障假设与关联证据；

26、冲突仲裁与校验模块，用于执行冲突仲裁与机理一致性校验，输出带证据编号的诊断结论；

27、工单与闭环更新模块，用于生成维修工单，基于复测结果迭代更新诊断模型参数；

28、各模块之间通过机理原子标记数据包与证据对象数据包进行数据交互。

29、综上所述，本技术包括以下至少有益技术效果：本发明通过构建三层结构的分层机理原子标记体系，将振动故障的物理机理转化为可编码的语义单元，为诊断过程提供显式的机理约束，从根源上降低数据驱动模型与大语言模型的幻觉风险，提升诊断结果的物理一致性。

30、本发明通过证据对象将诊断结论与原始数据来源、测点通道、处理链路、质量属性进行全链路绑定，实现诊断结果的全程可追溯，满足工业场景的审计与责任认定需求。通过d-s证据理论与频谱特征鉴别矩阵结合的冲突仲裁机制，配合机理一致性校验，有效提升了复杂工况与多证据冲突场景下的诊断准确性，同时鉴别矩阵的在线自校准能力能够适配不同设备的装配差异与运行特性，避免固定阈值带来的适配性问题。

31、本发明通过虚拟传感器重建与置信度传播机制，在测点信号异常或缺失时仍可维持有效诊断，配合单通道降级模式提升了系统的鲁棒性与场景适配能力。通过工单生成与复测验收的闭环流程，将实际运维结果反向用于更新证据权重与鉴别边界，实现诊断能力的持续迭代优化。

32、本发明通过人机协作的三级分区机制，在高置信度场景下保证诊断效率，在低置信度场景下控制误判风险，适配不同置信度等级下的运维决策需求。

33、整体而言，本发明实现了机理约束、证据溯源、冲突仲裁与运维闭环的有机结合，显著提升了振动诊断的可解释性、鲁棒性与工程应用价值，可广泛应用于齿轮箱、电机、泵风机、汽轮机等各类旋转机械的状态监测与智能运维场景。