引用論文

楊彬, 李雅寧, 雷亞國, 李響, 曹軍義, 武通海. 遷移拓撲規(guī)劃的機械設(shè)備群體協(xié)同智能診斷方法[J]. 機械工程學(xué)報, 2026, 62(4): 1-11.

YANG Bin, LI Yaning, LEI Yaguo, LI Xiang, CAO Junyi, WU Tonghai. Collaborative Swarm Intelligent Diagnosis Method for Machine Groups with Transferability Topology Planning[J]. Journal of Mechanical Engineering, 2026, 62(4): 1-11.

(戳鏈接，下載全文)

機械設(shè)備群體協(xié)同服役是實現(xiàn)網(wǎng)絡(luò)化協(xié)同制造的核心載體，對設(shè)備群體進行數(shù)據(jù)中心化的智能診斷，存在數(shù)據(jù)流通壁壘、個體差異顯著的挑戰(zhàn)難題。為突破數(shù)據(jù)流通壁壘、提升診斷模型的群體適應(yīng)性，現(xiàn)有研究嘗試建立去中心化、分布式的協(xié)同診斷架構(gòu)，然而，在規(guī)劃設(shè)備群體診斷任務(wù)時存在盲目性，且在融合各設(shè)備節(jié)點的局部診斷模型過程中，忽視了個體重要度分布不均的客觀事實。對此，西安交通大學(xué)雷亞國教授團隊提出遷移拓撲規(guī)劃的群體協(xié)同智能診斷方法，首先建立遷移拓撲結(jié)構(gòu)，描述各設(shè)備節(jié)點之間診斷知識的流出與流入關(guān)系；然后綜合考慮數(shù)據(jù)質(zhì)量、可用數(shù)據(jù)量、診斷知識可遷移性、通信資源、個體重要度等多重因素，優(yōu)化求解遷移拓撲規(guī)劃問題，以確定設(shè)備群體診斷知識的流向關(guān)系與個體重要度分布；最后建立個體重要度加權(quán)的協(xié)同診斷架構(gòu)，訓(xùn)練適用于設(shè)備群體的全局診斷模型。通過多臺設(shè)備的軸承故障數(shù)據(jù)對提出方法進行驗證，結(jié)果表明：優(yōu)化后的遷移拓撲結(jié)構(gòu)，能夠有效地反映設(shè)備群體診斷知識的最佳流向關(guān)系，提高了全局模型的診斷精度與群體適應(yīng)性 。本文作為《機械工程學(xué)報》2026年第4期的封面文章發(fā)表，期望相關(guān)工作為研究提供參考。

1

研究背景

機械設(shè)備群體協(xié)同服役是實現(xiàn)網(wǎng)絡(luò)化協(xié)同制造的核心載體，對設(shè)備群體進行數(shù)據(jù)中心化的智能診斷，存在數(shù)據(jù)流通壁壘、個體差異顯著的挑戰(zhàn)難題。為突破數(shù)據(jù)流通壁壘、提升診斷模型的群體適應(yīng)性，現(xiàn)有研究嘗試建立去中心化、分布式的協(xié)同診斷架構(gòu)，然而，在規(guī)劃設(shè)備群體診斷任務(wù)時存在盲目性，且在融合各設(shè)備節(jié)點的局部診斷模型過程中，忽視了個體重要度分布不均的客觀事實。對此，本文提出遷移拓撲規(guī)劃的協(xié)同智能診斷方法，旨在為設(shè)備群體協(xié)同智能診斷的實施提供客觀的建模依據(jù)，并從數(shù)據(jù)端出發(fā)，最大化全局診斷模型在群體診斷任務(wù)上的潛在診斷能力。

2

亮點或創(chuàng)新點

（1）提出方法建立設(shè)備群體診斷的遷移拓撲結(jié)構(gòu)，描述設(shè)備節(jié)點之間診斷知識的流出與流入關(guān)系，并將設(shè)備群體診斷任務(wù)中盲目且不確定的診斷知識流向確定問題，轉(zhuǎn)化為混合整數(shù)規(guī)劃的非凸優(yōu)化問題進行求解，求解所得的遷移拓撲結(jié)構(gòu)，能夠從設(shè)備群體的數(shù)據(jù)質(zhì)量源頭出發(fā)，為設(shè)備群體協(xié)同診斷的實施提供了客觀的建模依據(jù)。

（2）根據(jù)優(yōu)化后的遷移拓撲結(jié)構(gòu)，建立個體重要度加權(quán)的群體協(xié)同智能診斷架構(gòu)，抑制弱關(guān)聯(lián)關(guān)系節(jié)點對局部模型聚合的貢獻度，相較于傳統(tǒng)的協(xié)同診斷方法，即使通過簡單的局部模型加權(quán)融合策略，也能使聚合而成的全局模型取得明顯的診斷性能與群體泛化性提升。

3

實驗方法

為最大化全局診斷模型的潛在診斷性能，提出遷移拓撲規(guī)劃的群體協(xié)同診斷方法。該方法建立設(shè)備群體診斷的遷移拓撲結(jié)構(gòu)，如圖1所示，描述設(shè)備節(jié)點之間診斷知識的流出與流入關(guān)系，并通過綜合考慮設(shè)備節(jié)點數(shù)據(jù)質(zhì)量、可用數(shù)據(jù)量、診斷知識可遷移性、數(shù)據(jù)通訊資源、個體重要度等多重因素對遷移拓撲結(jié)構(gòu)規(guī)劃的影響，將群體診斷任務(wù)中盲目且不確定的知識流向確定問題轉(zhuǎn)化成混合整數(shù)規(guī)劃問題，并進行強化學(xué)習(xí)求解。在此基礎(chǔ)上，根據(jù)優(yōu)化后的遷移拓撲結(jié)構(gòu)，建立個體重要度加權(quán)的協(xié)同診斷架構(gòu)，如圖2所示。根據(jù)遷移拓撲結(jié)構(gòu)顯示的節(jié)點關(guān)系，首先在設(shè)備群體各個知識流出節(jié)點上訓(xùn)練局部診斷模型，然后建立中央智能體對各局部模型的參數(shù)進行融合，形成全局診斷模型，最后在診斷知識流入節(jié)點上應(yīng)用。

圖1 遷移拓撲規(guī)劃原理示意

圖2 個體重要度加權(quán)的協(xié)同智能診斷架構(gòu)

4

結(jié)論和展望

本文提出了遷移拓撲規(guī)劃的設(shè)備群體協(xié)同診斷方法，在數(shù)據(jù)流通壁壘的約束下，建立并規(guī)劃了設(shè)備群體的遷移拓撲結(jié)構(gòu)，實現(xiàn)了群體診斷知識的有序遷移與高效協(xié)同。主要結(jié)論如下：

(1) 提出了遷移拓撲規(guī)劃方法，實現(xiàn)了設(shè)備群體遷移拓撲結(jié)構(gòu)的強化學(xué)習(xí)優(yōu)化，其節(jié)點狀態(tài)的0-1變化描述了群體協(xié)同診斷任務(wù)的節(jié)點分工；連接邊的緊密程度反映了局部模型聚合過程中的個體重要度大小。設(shè)備群體的遷移拓撲結(jié)構(gòu)能夠隨可用數(shù)據(jù)量分布、知識可遷移性、通訊資源等多重因素而動態(tài)變化，有效表征了群體診斷知識的流向關(guān)系。

圖3 優(yōu)化后的機械設(shè)備群體遷移拓撲結(jié)構(gòu)

(2) 根據(jù)優(yōu)化后的遷移拓撲結(jié)構(gòu)，建立了個體重要度加權(quán)的群體協(xié)同智能診斷架構(gòu)，抑制了弱關(guān)聯(lián)關(guān)系節(jié)點對局部模型聚合的貢獻度，相較于傳統(tǒng)的協(xié)同診斷方法，即使通過簡單的局部模型加權(quán)融合策略，也能使聚合而成的全局模型取得明顯的診斷性能與群體泛化性提升。

圖4 協(xié)同診斷結(jié)果對比

(3) 提出方法將設(shè)備群體診斷任務(wù)中盲目且不確定的診斷知識流向確定問題，轉(zhuǎn)化為混合整數(shù)規(guī)劃的非凸優(yōu)化問題進行求解，求解所得的遷移拓撲結(jié)構(gòu)，能夠從設(shè)備群體的數(shù)據(jù)質(zhì)量源頭出發(fā)，為設(shè)備群體協(xié)同診斷的實施提供了客觀的建模依據(jù)，可望為風(fēng)電機群、軌道列車群、工業(yè)機器人群等分布式集群化協(xié)同服役的高端裝備提供去中心化的數(shù)據(jù)質(zhì)量與診斷知識評估方法，從而實現(xiàn)全局模型潛在診斷性能的最大化。后續(xù)可進一步研究群體協(xié)同智能診斷架構(gòu)的優(yōu)化策略，從方法端著手，提升全局模型的泛化診斷性能。

5

團隊研究方向

“高端裝備智能運維團隊”面向航空航天、能源動力、國防軍工、交通運輸?shù)阮I(lǐng)域高端裝備的安全服役保障重大需求，傳承西遷先賢故障診斷學(xué)科學(xué)術(shù)思想，緊握大數(shù)據(jù)人工智能新時代脈搏，對高端裝備多源狀態(tài)感知、復(fù)雜系統(tǒng)孿生建模、大數(shù)據(jù)智能診斷、數(shù)模聯(lián)動壽命預(yù)測等技術(shù)進行持續(xù)突破與創(chuàng)新，形成了高端裝備智能運維特色研究方向。團隊由國家杰青雷亞國教授帶領(lǐng)，包含國家優(yōu)青、教育部新世紀人才、中國科協(xié)青年托舉人才、人社部博新計劃入選者、歐盟瑪麗居里學(xué)者等人才。團隊擁有美國機械工程師協(xié)會會士（ASME Fellow）1名、英國工程技術(shù)學(xué)會會士（IET Fellow）2名、國際工程資產(chǎn)管理協(xié)會會士（ISEAM Fellow）1名、科睿唯安（Clarivate）全球高被引科學(xué)家3名、國際著名期刊副主編4名、全球前2%頂尖科學(xué)家5名。團隊入選了“三秦學(xué)者”全國一流創(chuàng)新團隊、陜西省科技創(chuàng)新團隊、“科學(xué)家+工程師”隊伍。

研究方向一：機械系統(tǒng)動態(tài)建模

該方向通過建立動力學(xué)、唯象、數(shù)字孿生等模型，對機械系統(tǒng)的動態(tài)特性進行分析，研究機械系統(tǒng)在內(nèi)外激勵下的動力學(xué)行為以及模型參數(shù)、故障類型等各種因素對系統(tǒng)響應(yīng)特性的影響。

機械系統(tǒng)動態(tài)建模

研究方向二：大數(shù)據(jù)下智能故障診斷

該方向主要研究軟計算、機器學(xué)習(xí)等人工智能算法，通過建立智能診斷模型，自適應(yīng)解析機械信號蘊含的復(fù)雜結(jié)構(gòu)信息，探索大數(shù)據(jù)中潛在的故障演化規(guī)律，實現(xiàn)機械故障的智能識別。

大數(shù)據(jù)下智能故障診斷

研究方向三：機械裝備剩余壽命預(yù)測

該方向主要研究基于衰退模型和數(shù)據(jù)驅(qū)動的數(shù)模聯(lián)動剩余壽命預(yù)測理論與方法，實現(xiàn)風(fēng)電機組、航空發(fā)動機、工程機械等關(guān)鍵零部件的剩余壽命預(yù)測，為其預(yù)測性維修提供技術(shù)支持。

機械裝備剩余壽命預(yù)測

研究方向四：機械裝備健康維護決策

該方向主要研究剩余壽命預(yù)測驅(qū)動下基于數(shù)學(xué)規(guī)劃模型與啟發(fā)式優(yōu)化算法的維修決策理論與技術(shù)，通過構(gòu)建并優(yōu)化機械裝備運維模型，制訂最佳維修管理方案，降低運維成本與故障率。

機械裝備健康維護決策

團隊成員

實驗室一覽

作者及團隊介紹

雷亞國，西安交通大學(xué)二級教授、博士生導(dǎo)師、機械工程學(xué)院常務(wù)副院長、國家杰青、美國機械工程師協(xié)會會士（ASME Fellow）、英國工程技術(shù)學(xué)會會士（IET Fellow）、國際工程資產(chǎn)管理協(xié)會會士（ISEAM Fellow）、科睿唯安全球高被引科學(xué)家（2019-至今）、國家重點研發(fā)項目首席科學(xué)家（2項）、陜西省科技創(chuàng)新團隊帶頭人、“三秦學(xué)者”全國一流創(chuàng)新團隊帶頭人。擔任中國振動工程學(xué)會理事、中國機械工程學(xué)會工業(yè)大數(shù)據(jù)與智能系統(tǒng)分會副主任委員、中國自動化學(xué)會技術(shù)過程的故障診斷與安全性專業(yè)委員會副主任委員以及IEEE Transactions on Industrial Electronics、Mechanical Systems and Signal Processing等本領(lǐng)域著名期刊副主編。長期從事機械系統(tǒng)建模與動態(tài)信號處理、大數(shù)據(jù)智能故障診斷與壽命預(yù)測、機械狀態(tài)健康監(jiān)測與智能維護等方面的研究工作。主持國家重點研發(fā)計劃、國家自然科學(xué)基金等國家級項目20余項。研發(fā)的智能診斷系統(tǒng)在智能制造、能源電力、交通運輸?shù)阮I(lǐng)域得到廣泛應(yīng)用。曾獲國家技術(shù)發(fā)明二等獎、教育部自然科學(xué)一等獎、陜西省自然科學(xué)一等獎、中國自動化學(xué)會自然科學(xué)一等獎、騰訊“科學(xué)探索獎”等獎勵榮譽。

楊彬，西安交通大學(xué)助理教授、碩士生導(dǎo)師，入選國家“博士后創(chuàng)新人才支持計劃”、全球前2%頂尖科學(xué)家榜單。擔任中國機械工程學(xué)會工業(yè)大數(shù)據(jù)與智能系統(tǒng)分會委員、Frontiersin Mechanical Engineering副主編、《機械工程學(xué)報》首屆青年編委。研究方向為新一代人工智能故障診斷、高端裝備大數(shù)據(jù)智能運維。主持國家自然科學(xué)基金青年項目、中國博士后科學(xué)基金面上項目等10余項；出版學(xué)術(shù)專著1部，獲工信學(xué)術(shù)出版基金資助；在本領(lǐng)域國內(nèi)外著名期刊上發(fā)表學(xué)術(shù)論文10余篇，7篇入選ESI熱點、中國百篇最具影響國際學(xué)術(shù)論文、中國科協(xié)優(yōu)秀科技論文等；參與制定國家/團體標準3項。研究成果在高端軸承智能制造、軌道交通等領(lǐng)域得到應(yīng)用。曾獲中國自動化學(xué)會自然科學(xué)一等獎、陜西省自然科學(xué)一等獎、西安交通大學(xué)“十大學(xué)術(shù)新人”等獎勵榮譽。

李雅寧，西安交通大學(xué)碩士研究生，主要研究方向為機械裝備智能運維大模型。

李響，西安交通大學(xué)教授、博導(dǎo)，國家級青年人才，英國工程技術(shù)學(xué)會會士（IET Fellow），科睿唯安全球高被引科學(xué)家，主要研究方向為工業(yè)人工智能、大模型、機器視覺、神經(jīng)形態(tài)計算、智能運維等，主持國家重點研發(fā)計劃項目課題、國家自然科學(xué)基金等項目，參與制定國家標準3項，研究成果在航空航天、智能制造等領(lǐng)域獲得工程應(yīng)用，擔任期刊IEEE Transactions on Neural Networks and Learning Systems、Expert Systems with Applications、Pattern Recognition副主編，《機械工程學(xué)報》首屆青年編委，發(fā)表ESI高被引論文24篇，ESI熱點論文8篇，谷歌學(xué)術(shù)引用10000次以上，H指數(shù)46，出版英文學(xué)術(shù)專著1部，入選全球前2%頂尖科學(xué)家終身榜單，曾獲中國振動工程學(xué)會基礎(chǔ)研究二等獎、遼寧省自然科學(xué)二等獎、中國力學(xué)學(xué)會自然科學(xué)二等獎等獎項。

曹軍義，西安交大教授、博導(dǎo)，現(xiàn)任機械工程學(xué)院設(shè)計所所長、陜西省振動工程學(xué)會副理事長、國際知名期刊《IEEE Journal of Biomedical and Health informatics》副主編，服務(wù)中央組織部第16批博士團掛職寧夏大學(xué)機械學(xué)院科研副院長，入選教育部“新世紀優(yōu)秀人才”。研究領(lǐng)域包括人體智能診療、振動控制與隔離、裝備智能運維等。主持了國家重點研發(fā)計劃戰(zhàn)略性國際合作項目、國家自然科學(xué)基金、基金委中歐人才等。研究成果應(yīng)用在航天工程和醫(yī)院臨床中，獲陜西省高等學(xué)校科學(xué)技術(shù)一等獎（自然科學(xué)）。參與制定國家標準3項，發(fā)表學(xué)術(shù)論文100多篇，谷歌學(xué)術(shù)引用5900次以上（H指數(shù)41），入選愛思唯爾（Elsevier）中國高被引學(xué)者、全球前2%頂尖科學(xué)家。指導(dǎo)的研究生獲得了ASME期刊最佳論文獎、歐洲能量俘獲國際會議的IOP Best Poster Prize、GE科技創(chuàng)新基金獎、中國振動工程學(xué)會青年科技獎和國家青年人才等。

武通海，西安交大教授、博導(dǎo)，入選西安交大首屆王寬誠青年學(xué)者，現(xiàn)任現(xiàn)代設(shè)計及轉(zhuǎn)子軸承系統(tǒng)教育部重點實驗室副主任、機械工程學(xué)院機械工程專業(yè)系主任，兼任國際期刊《Measurement》副主編、陜西省機械工程學(xué)會理事等。研究領(lǐng)域包括摩擦學(xué)系統(tǒng)工程、裝備智能運維等。主持了國家自然科學(xué)基金、陜西省重點研發(fā)計劃、中國航發(fā)產(chǎn)學(xué)研合作項目以及國防軍工等研究項目，研究成果應(yīng)用于中國航發(fā)、東方電機、徐工集團上萬臺套重大裝備，獲得了軍隊科技進步二等獎、陜西省高等學(xué)校科學(xué)技術(shù)發(fā)明一等獎等。參與制定國家標準3項，發(fā)表學(xué)術(shù)論文100多篇，授權(quán) 國家發(fā)明專利30余項，完成專利成果轉(zhuǎn)化百萬元。指導(dǎo)研究生40余人，并獲得了陜西省振動工程學(xué)會優(yōu)秀博士論文獎、歐洲地平線瑪麗居里學(xué)者項目等。

5

近兩年團隊發(fā)表文章

[1]雷亞國，李熹偉，李響，等. 面向機械設(shè)備通用健康管理的智能運維大模型[J]. 機械工程學(xué)報，2025，61(6)：1-13.

[2]雷亞國，楊彬，李乃鵬，等. 跨設(shè)備的機械故障靶向遷移診斷方法[J]. 機械工程學(xué)報，2022，58(12)：1-9.

[3]李乃鵬，蔡瀟，雷亞國，等. 一種融合多傳感器數(shù)據(jù)的數(shù)模聯(lián)動機械剩余壽命預(yù)測方法[J]. 機械工程學(xué)報，2021，57 (20)：29-37+46.

[4]Bin Yang, Yaguo Lei, Xiang Li, Clive Roberts. Deep targeted transfer learning along designable adaptation trajectory for fault diagnosis across different machines[J]. IEEE Transactions on Industrial Electronics, 2023, 70(9): 9463-9473.

[5]Xiang Li, Shupeng Yu, Yaguo Lei, Naipeng Li, Bin Yang. Intelligent machinery fault diagnosis with event-based camera[J]. IEEE Transactions on Industrial Informatics, 2024, 20(1): 380-389.

作 者：雷亞國

責任編輯：杜蔚杰

責任校對：張 強

審 核：張 彤

JME學(xué)院簡介

JME學(xué)院是由《機械工程學(xué)報》編輯部2018年創(chuàng)建，以關(guān)注、陪伴青年學(xué)者成長為宗旨，努力探索學(xué)術(shù)傳播服務(wù)新模式。首任院長是中國機械工程學(xué)會監(jiān)事會監(jiān)事長、《機械工程學(xué)報》中英文兩刊主編宋天虎。

歡迎各位老師掃碼添加小助理-暖暖為好友，由小助理拉入JME學(xué)院官方群！

歡迎關(guān)注JME學(xué)院視頻號~

尋覓合作伙伴

有一種合作叫做真誠，有一種發(fā)展可以無限，有一種伙伴可以互利共贏，愿我們合作起來流連忘返，發(fā)展起來前景可觀。關(guān)于論文推薦、團隊介紹、圖書出版、學(xué)術(shù)直播、招聘信息、會議推廣等，請與我們聯(lián)系。

感謝關(guān)注我們！《機械工程學(xué)報》編輯部將努力為您打造一個有態(tài)度、有深度、有溫度的學(xué)術(shù)媒體！

版權(quán)聲明：

本文為《機械工程學(xué)報》編輯部原創(chuàng)內(nèi)容，歡迎轉(zhuǎn)載，請聯(lián)系授權(quán)！

在公眾號后臺留言需要轉(zhuǎn)載的文章題目及要轉(zhuǎn)載的公眾號ID以獲取授權(quán)!

聯(lián)系人：暖暖

微信小助手：jmenuannuan

E-mail：jme@cmes.org

網(wǎng) 址：http://www.cjmenet.com.cn

官方微信號：jmewechat