基于动态均衡博弈的多源融合方法在粉末床熔融设备故障诊断中的应用

《COMPUTERS IN INDUSTRY》：Dynamic equilibrium game based multi-source fusion for fault diagnosis of powder bed fusion equipment

　　摘要：随着增材制造技术向更高精度和生产效率发展，对于粉末床熔融设备而言，可靠的故障诊断变得越来越重要。这类设备会产生高维度、强相关性且随时间变化的多传感器数据，这些数据虽然蕴含丰富的状态信息，但也带来了较大的冗余性和计算负担。现有的融合方法主要侧重于提升精度或减少冗余，但往往难以有效协调融合成本与信息增益之间的平衡，从而限制了其在动态工业环境中的应用。为此，本文提出了一种基于动态均衡博弈机制的多源时间序列融合方法，用于PBF设备的故障诊断。首先构建一个数据驱动的融合模型，整合来自密封室和循环过滤系统的异构信号；然后在一种基于动态博弈的分配框架内共同协调融合成本与信息增益，同时引入基于次优纳什均衡的递归策略来指导分阶段的信号源分配。通过对多源监测数据的对比实验表明，该方法能够在不增加模型复杂度的情况下持续优化不同融合方法的成本性能比。在所有比较方法中，结合小波局部响应卷积神经网络的DGAM方法取得了最佳的整体性能：融合成本从0.35降至0.27，均方误差从0.052降至0.041，均方根误差从0.216降至0.193，而信息增益仅略有下降，从0.044降至0.043。这些结果证明，DGAM为PBF设备的故障诊断提供了一种高效实用的解决方案。

引言：随着增材制造技术在航空航天、模具制造、生物医学工程及能源设备等高端领域的广泛应用，人们对更高精度、更高生产效率以及更稳定工艺一致性的需求持续上升。因此，PBF设备的运行稳定性与故障诊断能力对于保障产品质量和工艺可靠性至关重要。PBF是一种典型的金属增材制造工艺，通过逐层铺粉和选择性熔化的方式制造三维构件。为确保制造过程的稳定可控，PBF系统依赖于多个相互关联的子系统的协同工作，而非单一独立单元。如图1所示，这些子系统通常包括激光系统、密封室系统、粉末供给系统、循环过滤系统、传感器与监测系统以及控制系统。它们共同负责调节腔室内的气体环境、粉末输送、工艺执行以及状态监测与数据融合。正因如此，所收集的监测数据不仅具有高维度且高度依赖时间变化，还存在高度相关性及部分冗余性——因为多个传感器通道往往从不同的物理角度或在不同操作阶段描述同一工艺过程。尽管这类多源数据能为设备健康评估和故障诊断提供丰富信息，但其带来的巨大冗余性和计算负担可能会降低诊断效率，甚至掩盖与故障相关的关键信息。因此，开发有效的多源数据融合方法用于PBF设备的故障诊断，具有重要的实际意义和科学价值。

近年来，基于多源信息的故障诊断方法取得了显著进展，尤其是在那些部署了多个异构传感器以监测高度耦合的工业过程的场景中。通过整合不同通道的互补测量数据，多源融合能够提升设备状态的表达能力、增强故障容忍度，并降低因单个传感器异常响应而导致的误诊风险。现有研究已经探索了多种用于工业诊断任务的融合策略。早期的非递归方法，如D-S证据融合和加权平均法，因其结构简单且计算成本相对较低而备受青睐，但它们通常更适合静态数据或短时间观测窗口，难以应对实际工业过程中时间序列数据的动态变化。为解决这一局限，人们越来越关注递归融合方法——这类方法通过在每个时间步加入新观测数据逐步优化融合结果，因此更适用于在不断变化的工况条件下的状态监测与故障诊断。如表1所示，多项代表性研究从不同角度提升了故障诊断性能：González-López等人提出了基于互信息的最小冗余最大相关性特征选择方法，通过筛选冗余特征解决了高维问题，提升了大规模数据的处理效率；García-Vico等人开发了基于进化模糊系统的分布式特征提取方法，满足了大数据流中快速进行特征级融合的需求；Zhou等人则提出了一种多层信息融合方法，结合半监督学习与多层特征集成，提升了复杂工业过程中的智能工况识别精度；Sun等人设计的AFCNet能够在传感器之间实现自适应特征互补，其融合精度优于单传感器方法，但由于过度依赖某个主导传感器，当该传感器出现波动时，融合过程会变得不稳定；Xu等人提出的CMFCNN能够建模异构机械信号之间的分布差异与内在关联，证明了跨模态融合可显著提升诊断性能。还有些研究试图提升融合过程本身的效率。Chen等人提出了基于信息熵的多源时间序列决策系统融合与特征选择方法，通过去除冗余特征提升了信息增益，但其以熵为中心的评判标准并未充分考虑约束条件下融合成本的上升问题；Wang等人则提出了一种概率型时间窗算术平均融合方法，通过静态或半静态的时间窗设计降低了计算量，不过当数据分布随时间动态变化时，固定时间窗容易导致信息丢失或冗余积累。近期的研究还将多源融合故障诊断扩展到了变工况适应、跨领域迁移以及抗噪声能力提升等方面。Gao等人提出了一种多源域信息融合网络，用于在变工况下对旋转机械进行故障诊断，该方法通过结合对抗性迁移学习、联合分布域适应以及与类别相关的决策融合，提升了在不同工况下的诊断适应性；Wang等人进一步开发了一种多源域特征-决策双重融合对抗性迁移网络，用于跨领域抗噪声机械故障诊断，该方法同时考虑特征级融合与决策级融合，增强了在噪声干扰下的诊断稳健性。这些研究表明，多源融合已成为在复杂工业条件下提升故障诊断性能的重要方向。然而，现有方法主要聚焦于表示迁移、域适应、决策稳健性或抗噪声诊断，而在工况不断变化的工业过程中如何实现信息增益与融合成本之间的显式协调，仍缺乏充分研究。这一问题在PBF设备的故障诊断中尤为突出：在气体清洗过程中，气流、氧含量、腔室压力以及设备状态变量等信号之间存在强耦合性、部分冗余性，且其诊断重要性会随操作阶段而变化。在这种场景下，静态融合策略、局部优化的权重分配方案或以迁移为导向的融合模型，要么会在低价值信息上浪费计算资源，要么会忽略那些对故障诊断至关重要的阶段特异性特征。因此，亟需一种能够在动态工业环境下以诊断为导向、协调融合成本与信息增益的自适应融合机制。

尽管自适应权重分配和特征互补机制能够提升多源融合中的特征选择效果，但它们主要侧重于局部相关性与强度，通常不会明确建模不同数据源之间的信息贡献与融合成本之间的竞争关系。在PBF的气体清洗过程中，多个传感器通道之间存在强耦合性、部分冗余性，且其诊断价值也因操作阶段而异。在这种情况下，提高某个数据源的权重虽能提升诊断表征能力，但也会增加计算负担，进而降低其他相关数据源的相对效用。因此，融合任务不仅仅是特征权重分配的问题，还涉及到涉及源间竞争以及多个操作阶段中成本与收益协调的受限源分配问题。为解决上述局限，本研究针对PBF设备开发了一种基于动态均衡博弈机制的故障诊断框架。该框架并非将多源融合视为一个独立的优化任务，而是专为气体清洗过程中的诊断需求而设计——在这一过程中，来自密封室和循环过滤系统的异构监测信号具有强烈的时间依赖性、高相关性，且诊断重要性会随阶段变化。具体而言，首先建立一种递归多源融合模型，用于整合气流、氧含量、腔室压力及相关状态信号；在此基础上，通过一种基于动态博弈的分配框架共同协调融合成本与信息增益，使得融合过程能够在递归更新过程中自适应地平衡信息利用与计算开销。此外，还引入了基于次优纳什均衡的收益策略，以保持分阶段融合决策的一致性，从而在工况动态变化时稳定优化过程。通过这种方式，该框架不仅旨在提升融合质量，还为PBF设备的故障诊断提供更加可靠高效的支撑。本研究的主要贡献如下：（1）针对PBF设备的多源监测数据融合，提出了一种以诊断为导向的动态均衡博弈机制。该机制通过在一个基于博弈的分配框架内同时考虑融合成本与信息增益，实现了在递归融合过程中对异构传感器信号的协调优化。（2）引入了一种基于次优纳什均衡的分阶段协调策略，用以捕捉PBF设备气体清洗过程的动态特性。通过提升递归分配决策的分阶段一致性，该策略能够更好地把握气流、氧含量和腔室压力信号随时间变化的诊断重要性。（3）构建了一个实用的多源故障诊断框架，并在PBF设备的气体清洗过程上进行了验证。与现有的典型融合型诊断方法相比，该框架能够在不增加核心模型复杂度的前提下实现更优的成本性能平衡。此外，传感器权重在各个操作阶段间的动态变化为诊断过程提供了可解释的视角，提升了模型的透明度与工程实用性。

章节节选：PBF气体清洗过程的故障机制
在PBF设备运行过程中，环境参数的波动会直接导致成型缺陷。例如，腔室压力和气体成分的快速变化会干扰金属粉末的熔化与凝固行为。氧含量的升高会加剧金属表面的氧化，从而降低其力学性能；而过强的气流则可能导致粉末飞溅，影响粉末的均匀铺展。这类异常情况不仅会降低……

实验设置
为验证所提出的基于DGAM的框架在PBF设备故障诊断中的有效性，本研究选择了密封室系统和循环过滤系统这两个关键模块作为实验对象。在PBF设备中，气体清洗过程是制造前后建立并维持稳定腔室气氛的关键操作，其性能直接影响氧含量、压力平衡、气流组织以及粉末床的状态……

结论
本文提出了一种基于动态均衡博弈机制的、以诊断为导向的多源融合框架，用于PBF设备气体清洗过程的故障诊断。该框架的核心包含两项方法创新：首先，DGAM通过一种基于动态博弈的分配框架协调融合成本与信息增益，使得在递归融合过程中能够自适应地分配异构监测信号；其次，引入了一种基于次优纳什均衡的分阶段协调策略，以……

CRediT作者贡献声明
Fei Xing：研究工作、资金获取、概念构思。Qiang Wang：研究工作、概念构思。Hualong Xie：数据整理、概念构思。Weijun Liu：研究工作、概念构思。Jianjun Shi：方法设计、研究工作、概念构思。王凌峰：方法论、调查研究、形式化分析、数据整理、概念构建。利益冲突声明作者声明不存在任何可能影响本文所述工作的已知财务利益或个人关系。致谢本研究得到了中国国家重点研发计划（项目编号2024YFB4609302）的支持，该计划属于整体项目编号2024YFB4609300的组成部分，同时还得到了南京科技重大专项（项目编号202309016）的资助。王凌峰|刘伟军|施建军|王强|谢华龙|邢飞中国沈阳工业大学机械工程学院，沈阳110870