6 个研究项目
面向设备全生命周期的物理特性演变与数据分布漂移,以终身学习与贝叶斯深度学习构建"诊断—预警—寿命预测"能力,成果应用于 General Motors、太原重工、中信戴卡等企业
将物理拓扑映射为超图先验,物理信息多任务网络 + 不确定性级联推断,复合故障诊断准确率 99.55%
针对航空发动机在不同飞行阶段中传感器数据差异大、模型容易把剩余寿命估得过长等难题,团队提出了一套能够消除工况变化干扰、重点抑制寿命高估的剩余使用寿命预测方法。该方法在由国际故障预测与健康管理学会(Prognostics and Health Management Society)主办的 2025 年北美故障预测与健康管理大会数据挑战赛(PHM North America 2025 Conference Data Challenge)中,以断层领先的预测精度夺得全球第一。
构建融合钢轨图像、时序波形与文本台账的大模型 Agent 诊断框架,实现钢轨波磨与复杂行车工况的自动化精细诊断,钢轨波磨视觉识别准确率达 96%。
变工况长生命周期诊断框架的产线落地:模具状态在线感知与故障诊断,应用于通用汽车、中信戴卡等企业
声学信号与物理机理融合的发动机/轴承异音在线检测与故障隔离,持有中美德三国专利
面向工业伺服电机的状态在线监测、退化评估与预测性维护系统
研究方向
搜索功能在预览环境下不可用,站点构建后即可使用。