本团队在故障智能诊断与智能信息处理、机械系统和液压系统动力学、液压元件状态评估与性能预测等领域进行了长期的理论研究，长期开展数据挖掘、故障诊断与预测等多学科交叉融合的理论研究工作，具有良好的学科融合研究基础。近年来，出版专著4部，发表学术论文300余篇，其中被SCI/EI收录100余篇，中科院1区TOP类期刊论文4篇，授权各类专利30余项。已完成和正在承担国家自然科学基金项目累计9项，河北省自然科学基金重点项目1项，河北省自然科学基金项目3项。培养博士研究生13人，硕士研究生150余人。

团队主要研究方向:智能故障诊断与预测性维护。借助于工业互联网平台设计大数据的云存储架构和数据管理布局方式，通过创建工业设备机电液系统及元件的数字孪生体对大数据可视化分析，并搭建出机电液系统及元件预测性维护测试试验平台，推动基于工业互联网云平台的智能故障诊断与预测性维护研究成果在轧机液压AGC系统，汽轮机油动机调速控制系统等典型工业装备机电液系统的推广与应用。

在机电液系统健康状态监测的研究前沿，揭示液压元件的失效机理，研究智能预测性维护基础理论及关键技术。提出了利用混沌性质进行微弱故障信号检测及故障早期预报方法，以及多种基于人工智能和现代信号处理技术融合的故障诊断理论方法。建立了精度高、适应性强的健康状态的评估系统。该方向已发表学术论文100余篇，其中SCI、EI收录60余篇，授权发明专利10项，实用新型专利5项，软件著作权4项。

图1 液压元件与系统故障诊断研究

工业互联网是新一代信息通信技术与现代工业技术深度融合的产物，是制造业数字化、网络化、智能化的重要载体。将工业互联网与设备预测性维护相结合，基于大数据挖掘、云计算、深度学习、边缘计算及信息物理系统等，通过构建设备数字孪生体等手段，研究智能预测性维护基础理论及关键技术。

图2 工业互联网与预测性维护系统研究

针对我国液压系统及元件故障预测性维护技术水平不高、理论不完善、标准不完备、历史数据积累少、受制于国外技术封锁等问题，解决液压系统及元件在故障预测与健康管理领域存在的共性关键技术难题。建立出行之有效的系统及元件模型，并能够对模型参数实施准确动态辨识，最终实现智能故障诊断及性能预测。将先进的系统可靠性理论运用于机电产品的可靠性设计及分析，提高产品设计水平及运行可靠性。

图3 液压系统可靠性研究

基于冷带轧机高精度液压AGC技术、人工智能技术，成功研发7套单机架可逆冷带轧机和3套五机架冷连轧机高精度液压AGC系统，完成了国家智能制造装备发展专项“高精度面板智能化冷连轧生产线”。解决了长期困扰我国冷轧装备控制精度低、可靠性差的难题。单机架板厚控制精度(±2μm)达到了国际领先水平。在国内首次成功地自主研发了高速宽带冷连轧机的核心技术，板厚控制精度(±3μm)和运行质量达到了国际先进水平。1999年和2009年两次获得国家科技进步二等奖，2008年获得河北省科技进步一等奖1项，2013年获得重庆市科技进步二等奖1项。

图4冷带轧机高精度厚控系统研究成果及获奖

1、招生方向

招生专业080202机械电子工程、0855机械（机械工程方向）。硕士研究生要求本科为机械电子工程等机械类专业，博士研究生要求本科和硕士均为机械电子工程等机械类专业。

2、招生名额

①每年招收学术型博士研究生1-2名；工程博士专业学位研究生1-2名；

②每年招收学术型硕士研究生10-20名，专业型研究生10-20；

1、专业方向

①基于机器学习的智能故障诊断理论方向；

②动态测试及信号智能检测与处理方向；

2、本团队拟招聘青年教师1-2人。

3、基本条件详见燕山大学及机械工程学院人才招聘要求。

团队负责人：刘思远  13780347849 / liusiyuan@ysu.edu.cn

第二负责人：姜万录  13933606293 / wljiang@ysu.edu.cn

团队秘书： 张 生  18703359693 / zsqhd@ysu.edu.cn