《ADVANCED ENGINEERING INFORMATICS》：A comprehensive review of compound fault diagnosis for industrial machinery: Object hierarchies, application scenarios and emerging perspectives on foundation models
编辑推荐：
摘要随着制造系统向更大规模和更深互联方向演进，复合故障诊断已成为预测与健康管理领域一个关键却极具挑战性的前沿课题。与单故障诊断不同，复合故障诊断涉及具有强特征耦合和组合复杂性的耦合失效模式，对传统模式识别范式构成了严峻挑战。尽管其意义重大，但现有的综述仍然分散。它们大多将复合
摘要
随着制造系统向更大规模和更深互联方向演进，复合故障诊断已成为预测与健康管理领域一个关键却极具挑战性的前沿课题。与单故障诊断不同，复合故障诊断涉及具有强特征耦合和组合复杂性的耦合失效模式，对传统模式识别范式构成了严峻挑战。尽管其意义重大，但现有的综述仍然分散。它们大多将复合故障诊断视为单故障诊断的简单延伸，或者仅聚焦于特定部件和算法技术，往往忽视了多样化实际应用场景的约束。为弥补这一差距，本文从场景驱动的角度对复合故障诊断进行了全面综述。我们首先阐明了复合故障在多层级诊断对象中的定义和层次复杂性。随后，我们系统分析了面向应用的诊断设置以及针对特定场景限制的诊断策略。此外，我们讨论了基础模型作为面向复合故障诊断的预测与健康管理的新型支撑工具，重点强调了知识组织、多模态对齐、诊断流程协调和维护决策支持等方面。本综述旨在为学术界和工业界提供有价值的见解和战略路线图，促进鲁棒、可解释且可扩展的智能运维系统的发展。
引言
工业机械的预测与健康管理是制造系统中的一项核心任务，对工业生产和制造的安全性与稳定性具有重大意义。现代工业机械由多层级的部件和子系统组成，协同执行复杂任务。某一部件的退化或失效可能通过耦合结构传播，改变相邻部件的运行状态，并增加共存或级联故障模式的发生概率。随着制造系统规模扩大和互联深度增加，诊断范围已从部件级零件逐步扩展到机器级设备和系统级装备，使得复合故障变得更加普遍和频繁。因此，工业机械的复合故障诊断日益受到关注，成为一个越来越重要且必要的实际应用研究课题。
与单故障诊断任务相比，复合故障诊断任务涉及多种类型的故障或多个故障部件的耦合，表现出强特征耦合、异构多源测量、潜在的组合爆炸和多尺度泛化需求。这些因素给特征表示、模型架构、数据收集和评估协议带来了额外挑战，将复合故障诊断从单一的模式识别问题扩展为涉及多标签、层次结构乃至因果关系的更复杂推理任务。因此，复合故障诊断已演变为预测与健康管理领域一个独立且日益重要的研究课题，需要专门的建模策略、评估设置和全面调研。然而，大多数关于预测与健康管理的综述将复合故障诊断视为单故障诊断的扩展或例外，通常在多标签学习、零样本学习或未来研究方向中给予简要报道。例如，Qiu等人总结了工业故障诊断中常用的深度学习架构，并在结论部分讨论了复合故障面临的挑战和潜在解决方案。Zhao等人从面向应用的角度总结了域泛化故障诊断的发展，将复合故障视为零样本学习的典型应用。Tang等人综述了迁移学习在旋转机械中的应用，并在结论部分将复合故障诊断提及为一个更高的挑战。
关于复合故障诊断的综述尚不充分。有限的综述往往侧重于针对单个特定对象的数据驱动算法或信号处理技术的分类，例如轴承或齿轮。例如，Huang等人从技术分类角度总结了旋转机械的复合故障诊断方法，包括基于机理的模型、基于信号处理的特征提取方法和基于人工智能的模式识别方法。Li等人延续了这种分类模式，总结了滚动轴承的复合故障诊断方法、挑战与机遇。R.K.等人系统回顾了状态监测技术、传感器模式、目标部件、信号处理和机器学习算法在多故障诊断中的应用，重点关注轴承、齿轮和电机。然而，上述综述很少总结面向应用的诊断场景中的复合故障诊断，例如不同诊断对象和多样化场景限制。这些因素将直接影响复合故障诊断的任务要求和数据划分，导致差异化方法和策略。因此，以场景为中心的分类对于反映现实约束和指导复合故障诊断模型在工业中的部署至关重要。
为弥补这一空白，本综述对工业机械的复合故障诊断进行了全面综述和分析，特别关注多层级诊断对象、面向应用场景的评估设置，以及大模型在预测与健康管理中的机遇和挑战。旨在为学术界和工业界的研究人员和工程师提供有价值的参考、见解和方法，促进未来鲁棒、可解释且可扩展的智能运维发展。
章节摘要
文献收集、范围边界与分类策略
本综述旨在为工业机械的复合故障诊断提供以视角驱动和场景导向的综合分析。考虑到故障诊断、预测与健康管理、迁移学习和基础模型方面广泛且快速扩展的文献，本综述聚焦于与所提出的以对象为中心和以场景为中心的分析框架直接相关的代表性研究。相关研究从主要学术数据库收集，包括Web of Science,
复合故障诊断的基础与诊断挑战
本节通过明确复合故障诊断的故障状态表示、标签结构、数据特征和诊断挑战，建立了其技术基础。这些概念为后续的对象级和场景级综合提供了基础。工业机械的故障通常被定义为部件、子系统或系统因其物理退化、意外干扰或操作缺陷而偏离其正常运行状态。经典故障
多层级对象的复合故障诊断
如图3所示，随着现代工业系统的持续发展，复合故障诊断的诊断对象已从部件级的基本元素逐步扩展到机器级的独立设备，乃至系统级的协同资产。复合失效模式已从部件内部的机械缺陷演变为机械与电气部件的失效，乃至相互关联的系统异常。在许多综述中，复合故障诊断的解决方案被分类为
面向应用的复合故障诊断场景与评估设置
面向应用的复合故障诊断场景源于多种实际部署场景，这些场景在运行条件、资产异质性、组织约束和数据可访问性方面存在显著差异。这些差异导致不同应用层级具有不同的诊断假设、技术要求和评估设置，如图4所示。与单故障诊断相比，复合故障诊断面临更复杂且更交织的挑战。场景间的变化可能
复合故障诊断的基础模型视角
大型基础模型的近期涌现，以ChatGPT和LLaMA等为代表的大语言模型，引发了人工智能技术与应用的范式转变。凭借其巨大的参数规模和在广泛数据上的预训练，大型基础模型在少样本泛化、复杂推理和多模态语义对齐方面展现出强大能力。这场技术革命深刻地影响了预测与健康管理领域，为传统
讨论与未来方向
尽管近年来取得了进展，但未来复合故障诊断研究的核心困难不能简单地归结为在更大模型或数据集上提高分类准确率。其研究瓶颈源于复合故障状态的结构特性。与单故障诊断相比，复合故障诊断必须识别多个同时激活的故障，分离其叠加和交互的特征，并在变化的条件、个体间保持基本故障和故障组合的语义
结论
本综述从以场景为中心的视角对复合故障诊断进行了全面调研，特别关注诊断对象的层次演进、面向应用的场景与评估设置，以及大型基础模型带来的新兴机遇。本综述不仅仅是总结代表性研究，而是提供了对复合故障诊断如何随对象层级、部署场景和智能范式演进的更结构化理解。随着诊断
作者贡献声明
何一鸣：撰写—初稿，软件，方法学，调查研究，概念化。黄宇涵：撰写—审阅与编辑，资源，调查研究。胡晓希：撰写—审阅与编辑，调查研究，数据管理。沈为明：撰写—审阅与编辑，验证，监督，项目管理，资金获取。
利益冲突声明
作者声明不存在已知的竞争性经济利益或个人关系，这些利益或关系可能对本论文所报道的工作产生影响。
致谢
本工作部分得到中央高校基本科研业务费基金资助，资助编号HUST:YCJJ20252318和HUST:2021GCRC058，以及部分得到中华人民共和国工业和信息化部资助，资助编号2023ZY01089。
何一鸣 | 黄宇涵 | 胡晓希 | 沈为明
