粗糙集理论是近年来国际上研究智能决策技术的一个新成果，是对不完整、不精确、不确定信息的表达、学习、归纳的理论。它可以将测量所得的数据信息进行分类、约简、挖掘和形成规则。其重要特点在于其具有很强的定性分析能力，即不需要预先给定某些特征或属性的数量描述，而直接从给定问题的描述集合出发，通过不可分辨关系和不可分辨类确定给定问题的近似域，从而找出该问题的内在规律。旋转机械是机械设备的重要组成部分，它们以转子及其回转部件为工作的主体，一旦发生故障，将造成巨大损失。同时现代设备管理要求采用“故障维修”策略，消除“过剩维修”。因此世界各国都非常重视旋转机械故障诊断研究。目前，国内外故障诊断技术已取得了重大的进展，诊断方法由简易型向智能化、集成化方向发展，出现了遗传算法、模糊数学、神经网络等智能决策系统。但是，这些决策系统数学模型难以建立，物理意义不明确，需专家参与，且数据处理和学习时间过长而失去它在线控制的意义。目前，国内外学者对粗糙集的研究主要集中在如何应用它的方法，处理一些简单的故障诊断信息表，探讨这种方法的可行性。而从机械故障的数据采集，信号处理，知识库和决策表的形成，直到应用粗糙集理论对决策表进行约简，形成决策规则，这方面的报导还很少见。因此，如何将粗糙集理论应用到处理旋转机械故障的工程实际中，已成为大家十分关心的课题。本课题组在2001年得到了江苏省自然科学基金的立项资助（BK2001095），为深入地开展研究提供了良好的基础。本文的主要工作体现在：1、确定了基于粗糙集理论的旋转机械故障在线诊断的技术路线。以旋转机械为对象，侧重研究转子不对中、转子不平衡、油膜涡动和转轴的局部摩擦四种典型的旋转机械故障,分析了这几种故障的机理及其特征表现。在旋转机械故障诊断方法中，振动分析法是成熟的方法之一。本研究通过速度传感器、加速度传感器和位移传感器采集特征信息和敏感性参数，同时通过时域分析、频域分析、时间序列分析得到不同故障的特征信息，构成了故障信息的知识库。通过对图形的语义化和对数据的数学处理，形成决策表。通过粗糙集理论对决策表进行约简，并优选出最简决策表，形成标准特征库。从运行中的旋转设备，检测出状态信号，与标准信息库相比较，确定状态模式，作出故障诊断决策。2、提出了模拟四种故障的力学模型和实现的方法。在模拟实验中，转子不对中<WP=7>故障是通过提高轴承支座的高度，产生轴线角度不对中；转子不平衡故障的模拟，是在对经过动平衡试验转子上，配载一定质量的偏心载荷；油膜涡动故障是用带有油杯的轴承座，轴和轴颈之间有较大的配合间隙；转轴的碰摩故障是通过远离动力源端，靠近支座处，安装摩擦螺钉。在模拟实验时，应用CRAS5.1数据采集系统，对实验数据采集、信号与系统分析和时间与振动趋势测定。3、建立了故障诊断的决策表。从转子故障实验图表及其相关数据中，根据不同的条件属性和决策属性的对应关系，结合机械故障诊断的专业知识，对图表进行语义化，和实验数据一起，按照粗糙集理论的要求，建立旋转机械故障诊断的数据库。论文中，根据实验处理软件所提供的数据和图形，提出了六大类，十七个条件属性，一个决策属性。六大类条件属性分别是特征频率、时间-振动曲线特性、轴心轨迹、振动随转速的变化规则、振动的稳定性以及峭度特性；一个决策属性是联轴节的不对中、转子的不平衡、转轴的碰摩和轴承的油膜振荡。用语义法描述了图形库的知识，实现了将知识库向决策表的过渡。为了应用粗糙集理论对数据库进行约简，就必须按某种数学模型或计算方法，对采集的连续数据离散化，对图形语义化，并用符号代替语义定义，构造符合粗糙集理论要求的决策表，4、形成了旋转机械故障诊断的决策规则。由于在故障诊断的决策表中，有些特征信息是相关的，有些是独立的。独立的特征能提供互补信息，因而加以保留，相关性特征产生冗余信息。在对决策表约简时，首先进行条件属性的简化，消去重复列，然后对每一决策规则进行冗余属性值的简化，合并重复行，导出简化决策表，形成旋转机械故障诊断的决策规则，并对决策规则进行可信度研究。5、确定了决策表的核和最小解。通过区分矩阵和区分方程寻找决策表的约简和核。对于一个决策表有可能有多种约简形式，属性子集可以不只是一种简化，一个知识表达系统的决策表的简化不是唯一，问题的最小解不是唯一的，通过优化方法，鳞选得出决策表的最小的约简形式。应用粗糙集理论对四种典型的旋转机械故障形成的决策表的约简，从十七个条件属性简化成三个条件属性，极大地减少数据库中数据的数量。对四种故障的决策规则和相关的设备故障诊断标准规则相一致。验证了应用粗糙集理论对数据库约简的有效性，证明了基于粗糙集理论的旋转机械故障诊断是可行的。