The knowledge base is an essential part of the fault diagnosis system, which is crucial to the performance of fault recognition. As the intelligence of the fault diagnosis system has made persistent advance, the increasing demands for diversity and dynamic update have posed challenges to the knowledge base. In this paper, a framework for the fault diagnosis knowledge base is proposed to address the challenges mentioned above. Firstly, a dynamic clustering model is designed using the proposed semi-supervised multi-spatial manifold clustering method to recognize attribute clusters and aggregate new types. When new types are added to this model, it is constantly updated to achieve the automatic evolution of the knowledge base for the diversity of fault. Then, a knowledge evolution model is established by the generative adversarial network algorithm to achieve self-learning and self-optimizing capabilities of the knowledge base. This method learns the distribution of knowledge elements and generates new knowledge elements to optimize the clustering model. Finally, a series of comparative experiments are carried out on bearing datasets to verify the validity of the mentioned framework and models. The comparison results indicate that the proposed method has better performance in fault diagnosis. This research can not only update the knowledge base, but also provide a feasible approach for designing an autonomous knowledge base with self-optimizing and self-learning capabilities.

知识库是故障诊断系统的重要组成部分，对故障识别的性能至关重要。随着故障诊断系统智能的不断提高，对多样性和动态更新的需求不断增加，对知识库提出了挑战。本文提出了一种故障诊断知识库的框架，以解决上述挑战。首先，使用提出的半监督多空间流形聚类方法设计动态聚类模型，以识别属性聚类并聚集新类型。当将新类型添加到该模型时，会不断对其进行更新，以实现故障多样性知识库的自动发展。然后，通过生成对抗网络算法建立知识演化模型，以实现知识库的自学习和自优化能力。该方法学习知识元素的分布并生成新的知识元素以优化聚类模型。最后，在轴承数据集上进行了一系列比较实验，以验证上述框架和模型的有效性。比较结果表明，该方法在故障诊断中具有较好的性能。该研究不仅可以更新知识库，而且可以为设计具有自我优化和自我学习能力的自治知识库提供可行的方法。该方法学习知识元素的分布并生成新的知识元素以优化聚类模型。最后，在轴承数据集上进行了一系列比较实验，以验证上述框架和模型的有效性。比较结果表明，该方法在故障诊断中具有较好的性能。该研究不仅可以更新知识库，而且可以为设计具有自我优化和自我学习能力的自治知识库提供可行的方法。该方法学习知识元素的分布并生成新的知识元素以优化聚类模型。最后，在轴承数据集上进行了一系列比较实验，以验证上述框架和模型的有效性。比较结果表明，该方法在故障诊断中具有较好的性能。该研究不仅可以更新知识库，而且可以为设计具有自我优化和自我学习能力的自治知识库提供可行的方法。比较结果表明，该方法在故障诊断中具有较好的性能。该研究不仅可以更新知识库，而且可以为设计具有自我优化和自我学习能力的自治知识库提供可行的方法。比较结果表明，该方法在故障诊断中具有较好的性能。该研究不仅可以更新知识库，而且可以为设计具有自我优化和自我学习能力的自治知识库提供可行的方法。