报告题目：可用数据稀缺下旋转机械智能故障诊断方法探讨
报告时间：2023年4月12日（星期三）9：30-10：30
报告地点：机械馆J3报告厅
报告形式：线下
报告人：梁朋飞
报告人简介：
梁朋飞，硕士生导师，博士毕业于华中科技大学机械工程专业，2020年12月入职燕山大学机械工程学院。主要研究领域包括：工业大数据分析、人工智能算法、机械装备智能故障诊断与剩余寿命预测。主持河北省自然科学基金“多源数据融合下风电传动系统非平衡小样本故障诊断方法研究”，河北省重型机械流体动力传输与控制实验室开放基金“基于深度学习的复杂机械装备智能故障诊断技术研究”等项目。以第一作者/通讯作者发表论文11篇，其中SCI论文8篇，累计影响因子49.8，谷歌学术总引用量350余次，授权发明专利2项。
报告内容简介：
数据不平衡、工况波动、噪声干扰以及标记成本高昂等因素引起的带标签数据稀缺问题，是制约数据驱动的智能诊断方法在真实故障诊断中应用的关键技术瓶颈。本报告以旋转机械为研究对象，以深度学习、深度迁移学习为核心技术手段，结合时频成像这一经典信号分析和处理方法，从半监督和无监督故障诊断两个方面开展研究。具体包括：结合小波变换和生成对抗网络，提出了一种旋转机械半监督式智能故障诊断方法；结合深度残差可变形卷积神经网络和子域适应技术，提出一种旋转机械无监督智能故障诊断方法。报告成果可以为旋转机械智能故障诊断提供一定的理论基础与技术支撑。
机械工程学院
2023年4月10日
