文獻計量分析軟件應用

田田 杜奕 袁正興 唐洪

基金項目：國家自然科學基金項目（51365020，51467007）

作者簡介：田田（1994-），男，昆明理工大學城市學院碩士研究生，研究方向為機械故障診斷;杜奕（1977-），男，博士，昆明理工大學城市學院副教授，研究方向為機械故障診斷。本文通訊作者：杜奕。

摘 要：針對學科動態發展，以機械故障診斷為例，采用文獻計量分析軟件VOSviewer繪制考慮不同因素的文本標簽、密度和耦合地圖，分析機械故障診斷動態發展的研究領域、機構和人員情況。利用文獻計量分析軟件HistCite以彌補VOSviewer在文獻引用指向分析上的不足。研究表明VOSviewer能為機械故障診斷動態發展提供較為全面和準確的分析，可作為其它學科動態發展分析方法。

關鍵詞：機械故障診斷;動態發展;VOSviewer;HistCite;知識圖譜

DOI：10. 11907/rjdk. 191684 開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP319文獻標識碼：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

機械設備一旦出現事故會帶來巨大的經濟損失和人員傷亡[1-5]，機械故障診斷對保障設備安全運行意義重大。故障診斷技術一直備受重視，很多學者開展了相關研究工作，本文利用Google學術和Web of science數據庫進行了相關檢索：在Google 學術搜索中，2015-2017年標題中含有fault diagnosis的文獻有11 013余篇，標題中含有damage detection的文獻有2 763篇;在Web of science數據庫中，2015-2017年標題中含有fault diagnosis的文獻有6 127余篇。顯然，在短時間內通過閱讀這些數量龐大的文獻，了解學科動態發展是很難的。

文獻計量分析是利用文獻計量學原理對相關文獻進行分析的一種方法。通過采用數學、統計學等計量方法，研究文獻的分布結構、數量關系、變化規律[6-9]，可用于分析學科動態發展、學科研究概況以及預測學科發展趨勢[10-14]。當前，研究人員已經開發出一些用來繪制科學知識圖譜的文獻計量分析軟件，其中，軟件VOSviewer可視化效果優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在文獻引用分析中缺乏明確的指向。軟件HistCite擁有較為完善的文獻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，本文在文獻引用指向分析中采用HistCite的指向圖代替VOSviewer的標簽視圖，使其更接近真實引用關系，有效增強了讀者對文獻關聯性的認知，對學科動態發展有更全面和準確的了解。

在Web of Science核心數據庫中，以“Mechanical Fault Diagnosis（機械故障診斷）”為主題詞進行檢索，將輸出的大量文獻純文本導入軟件VOSviewer，通過軟件VOSviewer分別繪制出主要研究領域、機構和人員標簽、密度和耦合地圖。在此基礎上得到主要研究機構中重要和活躍人員的文獻純文本，以此為依據利用軟件HistCite對其引用指向進行分析，得到該學科主要領域的重要文獻。

1 研究領域分析

將歷年文獻記錄導入軟件VOSviewer進行分析，分別得到相關術語文本標簽如圖1所示，相關術語文本密度如圖2所示。

圖1 相關術語文本標簽

圖2 相關術語文本密度

從圖1可以看出，相關術語分5個聚類，將機械故障診斷研究分成5個研究主題，再結合圖2中深色部分為重點研究對象，對深色區域元素進行綜合分析，得出5個主要研究領域分別是：信號獲取與傳感技術、信號處理與診斷方法、故障機理、故障征兆、智能決策與診斷。將2015-2017年的文獻記錄導入軟件VOSviewer進行分析，得到2015-2017年相關術語文本標簽如圖3所示，2015-2017年相關術語文本密度如圖4所示。

從圖3可以看出，相關術語分3個聚類，再結合圖4中深色部分為重點研究對象，對深色區域的元素進行綜合分析，得出近3年對信號獲取與傳感技術和信號處理與診斷方法研究仍然是重點研究領域的結論。另外，對干擾信號的研究開始凸顯。

圖3 2015-2017年關術語文本標簽

圖4 2015-2017年相關術語文本密度

世界各國因文化差異和政治因素，導致研究領域重點不同，所以將研究領域具體到某個國家是有必要的。這里以國家字段“中國”精煉文獻記錄，將得到的記錄導入軟件VOSviewer進行分析，得到中國關于機械故障診斷的相關術語文本標簽如圖5所示，相關術語文本密度如圖6所示。

圖5 中國相關術語文本標簽

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

為了進一步了解2015-2017年中國在機械故障診斷研究領域是否與國際研究領域脫軌，以出版日期“2015-2017”進一步精煉文獻記錄并導入軟件VOSviewer進行分析，得到中國在2015-2017年關于機械故障診斷研究的主要領域相關術語文本標簽如圖7所示，相關術語文本密度如圖8所示。

圖6 中國相關術語文本密度

圖7 2015-2017年中國相關術語文本標簽

圖8 2015-2017年中國相關術語文本密度

從圖7和圖8可以看出，中國在2015-2017年度關于機械故障診斷研究的主題主要包括信號獲取與傳感技術、智能決策與診斷和故障機理。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的研究已經成為機械故障診斷研究領域的熱點。結合對中國機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理方面處于世界研究前沿。

2 研究機構分析

將歷年文獻記錄導入軟件VOSviewer進行分析，分別得到研究機構分布標簽如圖9所示，研究機構密度如圖10所示。

圖9 研究機構分布標簽

圖10 研究機構密度

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

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

圖11 研究機構分布聚類

根據對機械故障診斷領域進行研究的中國機構密度圖（見圖12），可快速查找到國內從事機械故障診斷領域研究的主要機構是西安交通大學、重慶大學、上海交通大學等。而通過其標簽圖（見圖13）的聚類分布，也可看出國內研究機構之間關聯度的強弱。

圖12 中國研究機構分布標簽

圖13 研究機構分布聚類

3 研究人員分析

通過作者共引分析，能看出機械故障診斷領域重要的研究人員分布情況。從機械故障診斷領域研究的國際研究人員共引分析標簽圖（見圖14）、密度圖（見圖15）中，可快速找到從事機械故障診斷領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簽

圖15 國際研究人員共引分析密度

為了分析機械故障診斷領域研究主題的異同情況，并反映研究人員對機械故障診斷研究的活躍情況，需要進一步對作者的耦合關系進行分析，作者耦合標簽如圖16所示，作者耦合密度如圖17所示。

圖16 作者耦合標簽

圖17 作者耦合密度

從圖16和圖17可以發現，國際上從事機械故障診斷領域研究較活躍的人物分別是he zj、capolino ga、lang zq等。

從事機械故障診斷領域研究的國內研究人員文本標簽分布如圖18所示，文本標簽聚類如圖19所示。列出國內發表論文數超過7篇的6位研究人員，他們是國內研究機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 國內研究人員文本標簽

圖19 國內研究人員文本聚類

4 研究文獻分析

機械故障診斷研究的重要文獻分布標簽如圖20所示。

圖20 重要文獻分布標簽

從圖20可以發現機械故障診斷領域的重要文獻，但不能確定是否為基礎重要文獻和明確引用指向關系，因此利用軟件HistCite畫出文獻引用指向如圖21所示。

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

5 結語

通過實例分析可以看出，利用VOSviewer能夠分析出相關研究領域的整體研究概況、最新研究進展、特定國家的研究情況、機構分布情況以及相關領域的重要研究人員，能夠發現主流學術群體及其代表人物、核心技術領域和熱點問題等，并且以可視化圖像直觀進行展示，能夠較好地用于科學研究活動。在結合軟件HistCite的基礎上可以分析出重要的文獻信息，為讀者了解其它學科發展動態提供有效方法。

參考文獻：

[1] 王國彪，何正嘉， 陳雪峰，等. 機械故障診斷基礎研究“何去何從”[J]. 機械工程學報， 2013（1）：63-72.

[2] 佚名. 基于約束獨立分量分析的齒輪箱故障診斷研究[D]. 焦作：河南理工大學， 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， 2012.

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

[5] 袁靜，何正嘉，訾艷陽. 機械故障診斷的內積變換原理與多小波特征提取方法研究[J]. 機械工程學報，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. 基于文獻計量的企業風險管理研究現狀分析[J]. 財經理論研究，2014（2）：102-108.

[8] 邱均平. 文獻計量學的定義及其研究對象[J]. 圖書館學通訊，1986（2）：71-75.

[9] 楊立英，周秋菊，岳婷. “科學前沿領域”挖掘的文獻計量學方法研究[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. 學科領域發展狀況的可視化分析[D]. 大連：大連理工大學，2009.

[12] 周鑫，陳媛媛. 關鍵詞詞頻變化視角下學科研究發展趨勢分析——以國內情報學研究為例[J]. 情報雜志，2016，35（5）：133-140.

[13] 胡忠輝，倪瑞，李興權，等. 基于InCites的國內外理學主要學科發展分析研究[J]. 學位與研究生教育， 2013 （11）：42-46.

[14] 高麗，曾慶良，范文慧. 多學科設計優化研究及發展趨勢分析[J]. 工程設計學報，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.