齿轮作为旋转机械的重要组成部分,已被广泛应用于电站、直升机和重型卡车等设备中。由于齿轮的运行环境恶劣、工况复杂,使得齿轮本身状态信息表露不完备。而且人类实践活动总是受到客观环境和条件的限制,所获得的描述齿轮故障模式的诊断信息常有某种程度的不完备。本文首先将量化特征关系用于解决齿轮不完备诊断信息处理的问题。然后,以流向图理论为基础,提出了不完备信息下齿轮故障诊断知识表示方法、不完备信息下齿轮故障诊断知识获取方法,以及齿轮齿故障模式识别方法。最后,以齿轮箱实验组件为研究对象进行验证。本文主要包括以下几个方面的内容:现有的广义不可分辨关系大多仅能采用一种语意来理解、分析和处理不完备信息;无法理解、分析和处理由多种原因造成的齿轮不完备故障诊断信息。为此,本文在特征关系的基础上,给出了一种实例间相似度的计算方法。对特征关系进行改进,给出了一种量化特征关系。针对齿轮不完备故障诊断信息,提出了基于量化特征关系的齿轮不完备故障诊断信息处理方法。采用自动变速箱故障诊断信息的处理实例验证该方法的实用性、有效性和准确性。现有的不完备信息下齿轮故障诊断知识表示方法无法直观地表示各故障属性值,以及故障征兆属性值和故障决策属性值之间的依赖关系。难于定量描述属性间的依赖程度。为此,本文在流向图的基础上,给出了不完备流向图的定义。根据不完备流向图的定义,给出了一种不完备流向图的构建算法。针对齿轮不完备故障诊断信息的知识表示问题,提出了一种基于流向图的齿轮不完备故障诊断信息的知识表示方法。结合知识表示实例验证该方法可直观地表示包含三种未知属性值不完备故障诊断信息,定量描述属性值之间的依赖程度,便于用户理解和分析。现有不完备信息下齿轮故障诊断知识获取方法大多仅能从包含一种未知属性值的不完备信息中获取故障诊断知识。个别方法能从同时包含两种未知属性值的不完备信息中提取故障诊断知识,但知识获取过程抽象难于理解。为此,本文在量化特征关系的基础上,给出了一种基于量化特征关系的分配约简算法。借鉴基于量化特征关系的分配约简算法,给出了一种不完备流向图的属性约简算法。针对齿轮不完备故障诊断信息的知识获取问题,提出了一种基于流向图的齿轮不完备故障诊断信息的知识获取方法。通过实例验证了此方法能够从同时包含三种未知属性值的不完备信息系统中直接获取故障诊断知识;且知识获取结果直观、简洁与清晰。现有的齿轮故障模式识别方法无法直观地表示出故障征兆属性值,以及属性值之间的依赖关系。有些方法的识别模型过于复杂,识别过程依然较晦涩难于理解。为此,本文给出了流向图中节点条件概率的定义、先验概率的定义,以及完整路径后验概率的定义,实现流向图的概率化。在流向图概率化的基础上,给出了一种基于流向图的模式识别算法,进而提出了一种基于流向图的齿轮故障模式识别方法。实验结果表明该方法可准确地识别齿轮故障模式,而且模式识别模型的结构简单,模式识别策略清晰。以Spectra Quest公司开发的齿轮实验组件为研究对象,利用振动分析法和油样分析法提取的齿轮不完备故障诊断信息,验证了本文提出的不完备信息下基于流向图的齿轮故障诊断方法。建立齿轮不完备故障诊断信息系统,采用量化特征关系对该信息系统进行处理。构建齿轮不完备故障诊断流向图,并从中获取故障诊断知识。通过基于流向图的模式识别算法判断待诊样本的故障类型。实验结果表明此方法具有非常高的准确率,而且故障诊断过程直观,故障诊断策略清晰。