《Machines》：A Hilbert Space-Based Approach for Vibration Signal Representation in Diagnostics and Classification of Rock Disintegration in Rotary Drilling
编辑推荐：
旋转钻进是一种复杂的动力学过程，其中振动信号包含有关岩石材料、钻具与钻机机械子系统相互作用的重要信息。尽管基于振动的诊断技术已取得显著进展，但仍需将信号处理、几何解释与运行工况分类相整合的方法论。研究人员提出一种基于希尔伯特空间（Hilbert space）的
旋转钻进是一种复杂的动力学过程，其中振动信号包含有关岩石材料、钻具与钻机机械子系统相互作用的重要信息。尽管基于振动的诊断技术已取得显著进展，但仍需将信号处理、几何解释与运行工况分类相整合的方法论。研究人员提出一种基于希尔伯特空间（Hilbert space）的振动信号表征方法，将信号解释为无限维函数空间中的向量。该方法利用距离、范数（norm）与角度相似度等几何度量，对旋转钻进运行工况进行分类并分析动力系统行为。实验振动数据取自实验室钻机在钻进石灰岩、花岗岩与混凝土过程中的记录，同时分析了机械系统的辅助运行模式。结果表明，希尔伯特空间表征可区分所研究的运行状态：花岗岩钻进工况表现出独特的幅值、能量与冲击振动特征，而辅助机械工况则形成具有高互相似度的紧凑几何簇。在所评估的症状量中，功率谱对跨工况的频率—能量差异最敏感，各症状量提供互补信息。该方法论提供了数学上一致的框架，可作为未来基于振动的状态监测与预测性维护系统的基础。
研究背景与立题依据
旋转钻进广泛应用于矿山、岩土工程与原料提取，其效率受钻头—岩石非线性时变相互作用主导，常规确定性模型难以刻画。传统振动诊断依赖时域统计与傅里叶频域分析，对非线性非平稳信号刻画不足；时频分析与机器学习虽提升性能，但多依赖预定义症状向量，且黑箱模型缺乏几何可解释性。现有方法常将信号处理、几何解释与决策控制割裂。为此，研究人员在《Machines》发表该研究，将完整振动信号实现视为希尔伯特空间（Hilbert space，完备内积空间）中的元素，用内积诱导的范数、欧氏距离与夹角相似度把工况分类转化为解析几何问题，从而补充而非替代传统症状法与机器学习。
主要关键技术方法
研究人员在实验室水平旋转钻机上（小直径金刚石孕镶钻头，推力F=14000 N，转速n=2000 rpm，采样频率18 kHz，单段2048样本）获取石灰岩、花岗岩、混凝土钻进及电机—泵、电机—水力发电机、空转三类辅助工况加速度振动信号；将连续信号按2048点分段作为独立实现，每段既作为l2序列空间元素直接算范数/距离/夹角，又提取离散度、峰峰值、均值、RMS、熵、幅值谱范数、峭度、功率谱范数等8类症状；以L2(T)函数空间与l2序列空间为数学载体，用内积?x,y?=∫x(t)y(t)dt（连续）或∑xiyi（离散）诱导几何量，结合层次聚类、热力图与三维范数—夹角投影做可视化分类，并与PCA+k-NN、SVM、Random Forest、MLP及自构几何分类器在180段实现上比较准确率。
研究结果
4 Results
原始波形显示花岗岩幅值与冲击性最强，石灰岩较稳，混凝土居中，辅助工况幅值低且稳定。极坐标系下花岗岩径向弥散最显著。欧氏距离矩阵中电机—泵与电机—水力发电机距离最小，石灰岩—花岗岩最大；距离热力图与树状图使辅助工况成紧凑簇、钻进工况分离。夹角表中混凝土钻进与空转夹角最小，花岗岩对相关对夹角偏大，说明夹角捕获方向相似性而不依赖幅值。范数排序花岗岩最高，辅助最低。三维范数—夹角映射中钻进与辅助分踞不同区。
症状层面：离散度—峰峰值分离高幅冲击态；均值—RMS反映能量但均值单独分辨弱；熵—幅值谱范数区分复杂度与频域强度；峭度—功率谱范数抓冲击与频域能。重复实现曲线上RMS、离散度稳定可分，峰峰值对瞬态敏感，均值重叠大。熵上混凝土最高、花岗岩偏低。在所选4症状（离散度、峰峰值、熵、功率谱范数）的距离/夹角热力图与树状图中，功率谱范数对比度最强，对频率—能量差最敏感；熵提供结构复杂性互补信息。三维症状投影同样显示功率谱范数空间分离最优。
5 Discussion
5.1 Quantitative Comparison of the Proposed Hilbert-Space-Based Method with PCA/SVM/ML
定性评分（1—5）显示PCA善降维但轴无物理义；SVM/ML分类强但解释靠参数或重要性分析；希尔伯特空间法以距离/夹角/范数直接对应物理相似度，可解释性最优。
5.2 Advanced Quantitative Comparison of PCA/SVM/ML/NN with the Proposed Hilbert-Space-Based Method
180段实现分类：Random Forest准确率88.33%最高，SVM≈84%、MLP≈85%、PCA+k-NN 83.33%，希尔伯特几何分类器83.89%。PCA前二维保留98.22%方差（PC1 89.85%，PC2 8.37%）。研究人员指出随机森林数值最优但希尔伯特法提供“为何不同”的几何解释，可作ML/NN的可解释前置层。
5.3 Limitations of the Proposed Methodology
局限包括：仅受控实验室验证；非完整故障诊断系统；未测噪声/参数/传感器配置鲁棒性；需独立数据集再验证方可工业推广。
6 Conclusions（结论翻译）
本研究提出一种无限维希尔伯特空间中振动信号几何表征新框架，将旋转钻进诊断转为基于距离、夹角与范数的几何分类问题。实验表明振动信号承载岩石力学属性、系统能量载荷与子系统动态信息；花岗岩钻进因高硬异质而空间分离最强，辅助工况成高互似紧凑簇。离散度、RMS、峰峰值刻画幅值冲击，功率谱范数对频域能最富分辨力，熵揭示内部复杂度，多类症状互补。角度量脱离幅值揭示方向相似度。该框架为智能振动监测、预测性维护与工业4.0诊断系统提供数学一致基础。
