严如强：国家自然科学基金机械工程学科2019年度优秀结题项目
Email：yanruqiang@xjtu.edu.cn
严如强
西安交通大学
2016年1月-2019年12月
西安交通大学
51575102
机械系统的工况不确定性以及局部部件信息的不可直接测量性，使得建立通用的故障诊断与剩余寿命预测模型成为当前颇具挑战性的研究方向。本项目在挖掘机械系统在不同工况、不同故障类型时所具有的共性以及差异性前提下，以学习迁移学习理论为基础，从基于实例权重、特征分布、关联规则以及模型参数几个方面开展研究以克服传统诊断方法针对面窄的问题，并建立可迁移度评判标准，提取训练与目标域的共享参数，提升分类的准确度。同时利用迁移学习的知识转化能力，开展旋转部件寿命预测研究。本项目可解决故障诊断与寿命预测模型通用性问题，为分析具有多样性故障特征的机械系统提供有价值的手段，有望推动机械故障诊断与寿命预测技术的发展。
针对知识迁移在旋转机械故障诊断中的应用，首次定义了跨时间迁移、跨通道迁移、跨设备迁移等特定概念（图1），发展了迁移成分驱动和迁移领域驱动的机械故障诊断框架，提出了基于参数、基于实例、基于特征和基于关联的机械故障诊断迁移学习方法，通过对齿轮、轴承和电机故障等不同数据集的实例分析，验证了知识迁移在提高机械故障诊断准确性方面的有效性。首次提出了将疲劳退化跟踪曲线与迁移学习相结合的机械剩余寿命预测方法，建立了迁移阶次驱动的剩余寿命预测模型框架，提出了一种引入中间域的机械剩余寿命预测传递迁移模型，通过不同实验平台验证，证明了其有利于解决不同工况、不同设备的疲劳退化跟踪曲线相互迁移的问题，提升了剩余寿命估计的精度。
(a) 同一设备之间的迁移
(b) 不同设备之间的迁移
图1 迁移学习应用场景
1. 在IEEE Transactions on Instrumentation & Measurement、机械工程学报等杂志发表论文25篇(其中ESI热点论文2篇、高被引论文6篇)，获《仪器仪表学报》优秀论文、中国机械工程学会优秀论文、以及第五届中国科协优秀科技论文。
2. 项目负责人入选ASME Fellow、百千万人才工程国家级人选、获IEEE仪器与测量学会科技奖(TechnicalAward)。
3. 培养博士研究生3人，硕士研究生3人(其中一人获IEEE仪器与测量学会GraduateFellowship Award，一人获江苏省优秀硕士毕业论文)。
图2 项目负责人入选ASME Fellow
图3 项目负责人获IEEE仪器与测量学会科技奖
编辑：恽海艳 校对：向映姣
JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。
欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！
有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。
推荐阅读
版权声明：
特别声明：本微信转载文章出于非商业性的教育和科研目的，如转载稿涉及版权等问题，请立即联系我们，我们会予以更改或删除相关文章，保证您的权益。
商务合作：
联系人：暖暖
电话：010-88379909
E-mail：jme@cmes.org
网 址：http://www.cjmenet.com.cn
官方微信号：jmewechat