基于时序表征的旋转机械故障诊断方法

报告人：陈岳剑特聘研究员/博导

报告题目：基于时序表征的旋转机械故障诊断方法

时间：2023年3月28日（周二）下午16:15-18:00

地点：明志楼B504

报告内容：旋转机械部件，如齿轮、轴承、转子等，是工业设备的基础部件，其状态监测与故障诊断关乎整体设备的安全可靠运行。本次报告将从状态监测信号的时序依赖关系角度出发，介绍基于时序表征建模的旋转机械故障诊断方法。首先，介绍面向旋转机械动力学系统辨识的时序表征建模的基本概念；其次介绍基于时序表征模型参数、残差的故障诊断机制；然后，重点介绍两个最新研究成果，即旋转机械变工况下非平稳状态监测信号的稀疏线性变参数自回归时序表征模型及其多通道拓展，以及一种旋转机械随机变工况下基于时序表征建模的故障诊断机制；最后，展望时序表征故障诊断方法的未来研究方向。期望通过报告，向大家介绍实现故障诊断的时序表征方法这一技术路线。

热烈欢迎全校师生参加！

报告人简介：陈岳剑，同济大学特聘研究员、博士生导师、上海市领军人才。2020年获加拿大阿尔伯塔大学机械工程专业博士学位，师从加拿大工程院院士Ming J. Zuo教授，而后在该校任职博士后至2021年8月。2021年11月入选上海市领军人才，随后入职同济大学铁道与城市轨道交通研究院。曾于2019年作为青年学者访问了澳大利亚新南威尔士大学Robert B. Randall教授课题组，开展了学术合作与交流。研究方向包括机电系统可靠性分析、故障诊断、状态监测、预测与健康管理、机器学习、生产信息化智能化等。已发表23篇SCI期刊论文、9篇会议论文、1章专著，已授权10项发明专利（其中3项排名第一、1项实现产业化）。第一和通讯作者的SCI期刊论文16篇，其中11篇JCR Q1，包括4篇以第一作者发表在业内顶刊Mechanical Systems and Signal Processing（影响因子8.9，中科院一区Top期刊）的论文。另外，陈岳剑博士还获得过阿尔伯塔科技创新奖、加拿大旋转机械年会最佳论文奖、国际预测与健康管理竞赛第三名等科研奖励，（曾）担任Mechanical Systems and Signal Processing（影响因子8.9）客座编辑、Engineering Applications of Artificial Intelligence（影响因子7.8，中科院一区Top期刊）客座编辑、APARM2020 Vancouver国际会议大会秘书、IEEE PHM项目委员会成员，长期为IEEE Transactions on Industrial Informatics、Mechanical Systems and Signal Processing、Reliability Engineering and Systems Safety等期刊审稿。

主办单位：

科学技术发展研究院

机电工程学院

石油天然气装备教育部重点实验室

皇家永利深层地热能装备技术工程研究中心

石油天然气装备技术皇家永利科技资源共享服务平台

成都市机械工程学会