关键词：复杂网络;异常监测;状态预测;图距离;自回归滑动平均(ARMA)模型
摘 要：针对机械系统日益复杂所带来的故障诊断与异常监测难题，结合系统的整体性特点，利用复杂网络技术和系统运行过程数据，实现机械系统的网络模型构建与异常监测。首先，运用改进的余弦相似度算法计算节点之间的相关性等级，并据此完成网络模型的构建；其次，在时域范围内计算图序列之间的距离，分析系统在某一时间的相对异常情况，进而判断系统是否产生异常行为；最后，借助自回归滑动平均（Auto Regressive Moving Average,ARMA）模型理论进行系统状态的预测。应用滚动轴承的运行数据对所提方法进行验证，结果表明模型能够准确监测出系统发生异常的时间节点，且能很好地预测系统后续的运行状态。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取