文獻(xiàn)計(jì)量分析軟件應(yīng)用

田田 杜奕 袁正興 唐洪

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（51365020，51467007）

作者簡介：田田（1994-），男，昆明理工大學(xué)城市學(xué)院碩士研究生，研究方向?yàn)闄C(jī)械故障診斷;杜奕（1977-），男，博士，昆明理工大學(xué)城市學(xué)院副教授，研究方向?yàn)闄C(jī)械故障診斷。本文通訊作者：杜奕。

摘 要：針對學(xué)科動態(tài)發(fā)展，以機(jī)械故障診斷為例，采用文獻(xiàn)計(jì)量分析軟件VOSviewer繪制考慮不同因素的文本標(biāo)簽、密度和耦合地圖，分析機(jī)械故障診斷動態(tài)發(fā)展的研究領(lǐng)域、機(jī)構(gòu)和人員情況。利用文獻(xiàn)計(jì)量分析軟件HistCite以彌補(bǔ)VOSviewer在文獻(xiàn)引用指向分析上的不足。研究表明VOSviewer能為機(jī)械故障診斷動態(tài)發(fā)展提供較為全面和準(zhǔn)確的分析，可作為其它學(xué)科動態(tài)發(fā)展分析方法。

關(guān)鍵詞：機(jī)械故障診斷;動態(tài)發(fā)展;VOSviewer;HistCite;知識圖譜

DOI：10. 11907/rjdk. 191684 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：TP319文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2019）008-0144-05

Dynamic Development of Mechanical Fault Diagnosis Based on Bibliometric Analysis

——Taken Machanical Fawlt Diagnosis as an Example

TIAN Tian1，DU Yi1，YUAN Zheng-xing1，TANG Hong2

（1. City College，Kunming University of Science and Technology，Kunming 650051， China;

2. College of Materials Science and Engineering， Hunan University， Hunan 410006， China）

Abstract： Aiming for the dynamic development of subject， mechanical fault diagnosis is taken as an example. Text labels， density， and coupling maps are drawn by using bibliographic analysis software VOSviewer. The main research areas， institutions and personnel of the dynamic development of mechanical fault diagnosis are analyzed. The bibliographic analysis software HistCite is used to make up for the deficiency of VOSviewer in literature citation analysis. The conclusion shows that VOSviewer can provide a more comprehensive and accurate analysis for the dynamic development of mechanical fault diagnosis. It also provides a method of the dynamic analysis for other disciplines.

Key Words： mechanical fault diagnosis; dynamic development; VOSviewer; HistCite; knowledge atlas analysis

0 引言

機(jī)械設(shè)備一旦出現(xiàn)事故會帶來巨大的經(jīng)濟(jì)損失和人員傷亡[1-5]，機(jī)械故障診斷對保障設(shè)備安全運(yùn)行意義重大。故障診斷技術(shù)一直備受重視，很多學(xué)者開展了相關(guān)研究工作，本文利用Google學(xué)術(shù)和Web of science數(shù)據(jù)庫進(jìn)行了相關(guān)檢索：在Google 學(xué)術(shù)搜索中，2015-2017年標(biāo)題中含有fault diagnosis的文獻(xiàn)有11 013余篇，標(biāo)題中含有damage detection的文獻(xiàn)有2 763篇;在Web of science數(shù)據(jù)庫中，2015-2017年標(biāo)題中含有fault diagnosis的文獻(xiàn)有6 127余篇。顯然，在短時間內(nèi)通過閱讀這些數(shù)量龐大的文獻(xiàn)，了解學(xué)科動態(tài)發(fā)展是很難的。

文獻(xiàn)計(jì)量分析是利用文獻(xiàn)計(jì)量學(xué)原理對相關(guān)文獻(xiàn)進(jìn)行分析的一種方法。通過采用數(shù)學(xué)、統(tǒng)計(jì)學(xué)等計(jì)量方法，研究文獻(xiàn)的分布結(jié)構(gòu)、數(shù)量關(guān)系、變化規(guī)律[6-9]，可用于分析學(xué)科動態(tài)發(fā)展、學(xué)科研究概況以及預(yù)測學(xué)科發(fā)展趨勢[10-14]。當(dāng)前，研究人員已經(jīng)開發(fā)出一些用來繪制科學(xué)知識圖譜的文獻(xiàn)計(jì)量分析軟件，其中，軟件VOSviewer可視化效果優(yōu)于其它同類分析軟件，并且其分析功能也較為全面[15-18]，但是，VOSviewer在文獻(xiàn)引用分析中缺乏明確的指向。軟件HistCite擁有較為完善的文獻(xiàn)引用分析指向而且操作簡單，但HistCite的可視化效果和分析功能都過于單一。為此，本文在文獻(xiàn)引用指向分析中采用HistCite的指向圖代替VOSviewer的標(biāo)簽視圖，使其更接近真實(shí)引用關(guān)系，有效增強(qiáng)了讀者對文獻(xiàn)關(guān)聯(lián)性的認(rèn)知，對學(xué)科動態(tài)發(fā)展有更全面和準(zhǔn)確的了解。

在Web of Science核心數(shù)據(jù)庫中，以“Mechanical Fault Diagnosis（機(jī)械故障診斷）”為主題詞進(jìn)行檢索，將輸出的大量文獻(xiàn)純文本導(dǎo)入軟件VOSviewer，通過軟件VOSviewer分別繪制出主要研究領(lǐng)域、機(jī)構(gòu)和人員標(biāo)簽、密度和耦合地圖。在此基礎(chǔ)上得到主要研究機(jī)構(gòu)中重要和活躍人員的文獻(xiàn)純文本，以此為依據(jù)利用軟件HistCite對其引用指向進(jìn)行分析，得到該學(xué)科主要領(lǐng)域的重要文獻(xiàn)。

1 研究領(lǐng)域分析

將歷年文獻(xiàn)記錄導(dǎo)入軟件VOSviewer進(jìn)行分析，分別得到相關(guān)術(shù)語文本標(biāo)簽如圖1所示，相關(guān)術(shù)語文本密度如圖2所示。

圖1 相關(guān)術(shù)語文本標(biāo)簽

圖2 相關(guān)術(shù)語文本密度

從圖1可以看出，相關(guān)術(shù)語分5個聚類，將機(jī)械故障診斷研究分成5個研究主題，再結(jié)合圖2中深色部分為重點(diǎn)研究對象，對深色區(qū)域元素進(jìn)行綜合分析，得出5個主要研究領(lǐng)域分別是：信號獲取與傳感技術(shù)、信號處理與診斷方法、故障機(jī)理、故障征兆、智能決策與診斷。將2015-2017年的文獻(xiàn)記錄導(dǎo)入軟件VOSviewer進(jìn)行分析，得到2015-2017年相關(guān)術(shù)語文本標(biāo)簽如圖3所示，2015-2017年相關(guān)術(shù)語文本密度如圖4所示。

從圖3可以看出，相關(guān)術(shù)語分3個聚類，再結(jié)合圖4中深色部分為重點(diǎn)研究對象，對深色區(qū)域的元素進(jìn)行綜合分析，得出近3年對信號獲取與傳感技術(shù)和信號處理與診斷方法研究仍然是重點(diǎn)研究領(lǐng)域的結(jié)論。另外，對干擾信號的研究開始凸顯。

圖3 2015-2017年關(guān)術(shù)語文本標(biāo)簽

圖4 2015-2017年相關(guān)術(shù)語文本密度

世界各國因文化差異和政治因素，導(dǎo)致研究領(lǐng)域重點(diǎn)不同，所以將研究領(lǐng)域具體到某個國家是有必要的。這里以國家字段“中國”精煉文獻(xiàn)記錄，將得到的記錄導(dǎo)入軟件VOSviewer進(jìn)行分析，得到中國關(guān)于機(jī)械故障診斷的相關(guān)術(shù)語文本標(biāo)簽如圖5所示，相關(guān)術(shù)語文本密度如圖6所示。

圖5 中國相關(guān)術(shù)語文本標(biāo)簽

從圖5、圖6可以看出，中國對機(jī)械故障診斷的研究主要集中在信號獲取與傳感技術(shù)、干擾信號和智能決策與診斷3個方面。

為了進(jìn)一步了解2015-2017年中國在機(jī)械故障診斷研究領(lǐng)域是否與國際研究領(lǐng)域脫軌，以出版日期“2015-2017”進(jìn)一步精煉文獻(xiàn)記錄并導(dǎo)入軟件VOSviewer進(jìn)行分析，得到中國在2015-2017年關(guān)于機(jī)械故障診斷研究的主要領(lǐng)域相關(guān)術(shù)語文本標(biāo)簽如圖7所示，相關(guān)術(shù)語文本密度如圖8所示。

圖6 中國相關(guān)術(shù)語文本密度

圖7 2015-2017年中國相關(guān)術(shù)語文本標(biāo)簽

圖8 2015-2017年中國相關(guān)術(shù)語文本密度

從圖7和圖8可以看出，中國在2015-2017年度關(guān)于機(jī)械故障診斷研究的主題主要包括信號獲取與傳感技術(shù)、智能決策與診斷和故障機(jī)理。通過對比分析圖3和圖4不難看出，對信號獲取與傳感技術(shù)的研究已經(jīng)成為機(jī)械故障診斷研究領(lǐng)域的熱點(diǎn)。結(jié)合對中國機(jī)械故障診斷研究主題分析可知，中國對信號獲取與傳感技術(shù)的研究緊隨世界研究前沿。此外，中國在智能決策與診斷和故障機(jī)理方面處于世界研究前沿。

2 研究機(jī)構(gòu)分析

將歷年文獻(xiàn)記錄導(dǎo)入軟件VOSviewer進(jìn)行分析，分別得到研究機(jī)構(gòu)分布標(biāo)簽如圖9所示，研究機(jī)構(gòu)密度如圖10所示。

圖9 研究機(jī)構(gòu)分布標(biāo)簽

圖10 研究機(jī)構(gòu)密度

從圖9和圖10可以看出，xi an jiao tong univ（西安交通大學(xué)）、shanghai jiao tong univ（上海交通大學(xué)）、georgia inst technol（佐治亞理工學(xué)院）、unlv plcardle jules verne（皮卡第儒勒-凡爾納大學(xué)）、nan yang technol univ（南洋理工大學(xué)）是當(dāng)前機(jī)械故障診斷的領(lǐng)軍機(jī)構(gòu)，但不能從圖9和圖10中看出哪些研究機(jī)構(gòu)同屬一個研究方向。

從研究機(jī)構(gòu)聚類圖（見圖11）可以得出，xi an jiao tong univ（西安交通大學(xué)）和shanghai jiao tong univ（上海交通大學(xué)）屬于同一聚類，說明他們之間有共同關(guān)注的研究領(lǐng)域。

圖11 研究機(jī)構(gòu)分布聚類

根據(jù)對機(jī)械故障診斷領(lǐng)域進(jìn)行研究的中國機(jī)構(gòu)密度圖（見圖12），可快速查找到國內(nèi)從事機(jī)械故障診斷領(lǐng)域研究的主要機(jī)構(gòu)是西安交通大學(xué)、重慶大學(xué)、上海交通大學(xué)等。而通過其標(biāo)簽圖（見圖13）的聚類分布，也可看出國內(nèi)研究機(jī)構(gòu)之間關(guān)聯(lián)度的強(qiáng)弱。

圖12 中國研究機(jī)構(gòu)分布標(biāo)簽

圖13 研究機(jī)構(gòu)分布聚類

3 研究人員分析

通過作者共引分析，能看出機(jī)械故障診斷領(lǐng)域重要的研究人員分布情況。從機(jī)械故障診斷領(lǐng)域研究的國際研究人員共引分析標(biāo)簽圖（見圖14）、密度圖（見圖15）中，可快速找到從事機(jī)械故障診斷領(lǐng)域研究的國際重要研究人員是：capolino ga、lin j、he zj。

圖14 國際研究人員共引分析標(biāo)簽

圖15 國際研究人員共引分析密度

為了分析機(jī)械故障診斷領(lǐng)域研究主題的異同情況，并反映研究人員對機(jī)械故障診斷研究的活躍情況，需要進(jìn)一步對作者的耦合關(guān)系進(jìn)行分析，作者耦合標(biāo)簽如圖16所示，作者耦合密度如圖17所示。

圖16 作者耦合標(biāo)簽

圖17 作者耦合密度

從圖16和圖17可以發(fā)現(xiàn)，國際上從事機(jī)械故障診斷領(lǐng)域研究較活躍的人物分別是he zj、capolino ga、lang zq等。

從事機(jī)械故障診斷領(lǐng)域研究的國內(nèi)研究人員文本標(biāo)簽分布如圖18所示，文本標(biāo)簽聚類如圖19所示。列出國內(nèi)發(fā)表論文數(shù)超過7篇的6位研究人員，他們是國內(nèi)研究機(jī)械故障診斷的主要研究人員，分別為he zj、lin j、qin y、wang jy、zhang l、wang ty等。

圖18 國內(nèi)研究人員文本標(biāo)簽

圖19 國內(nèi)研究人員文本聚類

4 研究文獻(xiàn)分析

機(jī)械故障診斷研究的重要文獻(xiàn)分布標(biāo)簽如圖20所示。

圖20 重要文獻(xiàn)分布標(biāo)簽

從圖20可以發(fā)現(xiàn)機(jī)械故障診斷領(lǐng)域的重要文獻(xiàn)，但不能確定是否為基礎(chǔ)重要文獻(xiàn)和明確引用指向關(guān)系，因此利用軟件HistCite畫出文獻(xiàn)引用指向如圖21所示。

結(jié)合圖20和圖21，可找到3篇文獻(xiàn)，它們是機(jī)械故障診斷領(lǐng)域內(nèi)的重要基礎(chǔ)文獻(xiàn)。其中，有2篇分別于1995年和1998年發(fā)表，可推斷其取得了新的重要研究成果。經(jīng)檢索可知，發(fā)表于1995年的文獻(xiàn)論文題目為“Motor bearing damage detection using stator current monitoring”（基于定子電流監(jiān)測的電機(jī)軸承損傷檢測），被引頻次達(dá)375次，作者是英國人Schoen R R等[19];而發(fā)表于1998年的文獻(xiàn)論文題目為“The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis”（非線性和非平穩(wěn)時間序列分析的經(jīng)驗(yàn)?zāi)B(tài)分解和希爾伯特譜），被引頻次達(dá)7 070次，作者是美籍華人HUANG等[20];而發(fā)表于2000年的文獻(xiàn)論文題目為“A review of induction motors signature analysis as a medium for faults detection”（感應(yīng)電動機(jī)特征分析作為故障檢測介質(zhì)的綜述），被引頻次達(dá)617次，作者是Benbouzid，ME等[21]。

5 結(jié)語

通過實(shí)例分析可以看出，利用VOSviewer能夠分析出相關(guān)研究領(lǐng)域的整體研究概況、最新研究進(jìn)展、特定國家的研究情況、機(jī)構(gòu)分布情況以及相關(guān)領(lǐng)域的重要研究人員，能夠發(fā)現(xiàn)主流學(xué)術(shù)群體及其代表人物、核心技術(shù)領(lǐng)域和熱點(diǎn)問題等，并且以可視化圖像直觀進(jìn)行展示，能夠較好地用于科學(xué)研究活動。在結(jié)合軟件HistCite的基礎(chǔ)上可以分析出重要的文獻(xiàn)信息，為讀者了解其它學(xué)科發(fā)展動態(tài)提供有效方法。

參考文獻(xiàn)：

[1] 王國彪，何正嘉， 陳雪峰，等. 機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J]. 機(jī)械工程學(xué)報(bào)， 2013（1）：63-72.

[2] 佚名. 基于約束獨(dú)立分量分析的齒輪箱故障診斷研究[D]. 焦作：河南理工大學(xué)， 2015.

[3] 趙凱. 基于支持向量回歸的軸承故障定量診斷方法研究[D]. 蘇州：蘇州大學(xué)， 2012.

[4] 賀王鵬. 周期簇稀疏特征提取方法及其在機(jī)械故障診斷中的應(yīng)用研究[J]. 機(jī)械工程學(xué)報(bào)，2018，54（2）：208-210.

[5] 袁靜，何正嘉，訾艷陽. 機(jī)械故障診斷的內(nèi)積變換原理與多小波特征提取方法研究[J]. 機(jī)械工程學(xué)報(bào)，2013，49（4）：147-152.

[6] ANTONI J， RANDALL R B. The spectral kurtosis： application to the vibratory surveillance and diagnostics of rotating machines[J]. Mechanical Systems and Signal Processing， 2006 （20）：308-331.

[7] 高磊，張曉娟. 基于文獻(xiàn)計(jì)量的企業(yè)風(fēng)險(xiǎn)管理研究現(xiàn)狀分析[J]. 財(cái)經(jīng)理論研究，2014（2）：102-108.

[8] 邱均平. 文獻(xiàn)計(jì)量學(xué)的定義及其研究對象[J]. 圖書館學(xué)通訊，1986（2）：71-75.

[9] 楊立英，周秋菊，岳婷. “科學(xué)前沿領(lǐng)域”挖掘的文獻(xiàn)計(jì)量學(xué)方法研究[EB/OL].? http：//www.doc88.com/p-7072010001758.html，2011.

[10] ZHOU W，LU B，HABETLER T G，et al. Incipient bearing fault detection via motor stator current noise cancellation using wiener filter[J]. Ieee Transactions on Industry Applications，2009（45）：1309-1317.

[11] 于江. 學(xué)科領(lǐng)域發(fā)展?fàn)顩r的可視化分析[D]. 大連：大連理工大學(xué)，2009.

[12] 周鑫，陳媛媛. 關(guān)鍵詞詞頻變化視角下學(xué)科研究發(fā)展趨勢分析——以國內(nèi)情報(bào)學(xué)研究為例[J]. 情報(bào)雜志，2016，35（5）：133-140.

[13] 胡忠輝，倪瑞，李興權(quán)，等. 基于InCites的國內(nèi)外理學(xué)主要學(xué)科發(fā)展分析研究[J]. 學(xué)位與研究生教育， 2013 （11）：42-46.

[14] 高麗，曾慶良，范文慧. 多學(xué)科設(shè)計(jì)優(yōu)化研究及發(fā)展趨勢分析[J]. 工程設(shè)計(jì)學(xué)報(bào)，2007，14（6）：429-434.

[15] KIA S H，HENAO H，CAPOLINO G A. Efficient digital signal processing techniques for induction machines fault diagnosis[C]. 2013 Ieee Workshop on Electrical Machines Design， Control and Diagnosis （Wemdcd）， 2013.

[16] ROBERT T. A comparative study of citations to chemical encyclopedias in scholarly articles： Kirk-Othmer encyclopedia of chemical technology and ullmanns encyclopedia of industrial chemistry[J].? Scientometrics，2018，117（1）：592-601.

[17] WALEED M S，SAMAH W A J， ANSAM F， et al. Global research output in antimicrobial resistance among uropathogens： a bibliometric analysis （2002-2016）[J].? Journal of Global Antimicrobial Resistance，2018（2）：13-20.

[18] STEPHEN C，ALAN L，PORTER，et al.Visualization of disciplinary profiles： enhanced science overlay maps[J]. Journal of Data and Information Science，2017，2（3）：68-111.

[19] SCHOEN R R， HABETLER T G， KAMRAN F， et al. Motor bearing damage detection using stator current monitoring[J]. IEEE Transactions on Industry Applications， 1995 （31）：1274-1279.

[20] HUANG N E， SHEN Z，LONG S R， et al. The empirical mode decomposition and the hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings of the Royal Society a-Mathematical Physical and Engineering Sciences，1998（454）：903-995.

[21] BENBOUZID M E. A review of induction motors signature analysis as a medium for faults detection[J].? IEEE Transactions on Industrial Electronics， 2000 （47）：984-993.