ITPub博客

在期刊 Transactions of the Institute of Measurement and Control 发表的论文 Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A control-diagnosis collaboration perspective 中

在大型远洋船舶动力系统中，低速二冲程柴油机燃烧室部件（包括气缸盖、活塞组件与气缸套）长期处于高温、高压与交变机械应力的综合作用下，是故障高发的关键区域。由于实船运行中极难直接开展破坏性的故障注入试验，而基于微观材料力学退化的有限元仿真又存在计算周期长、难以直接捕捉全系统宏观热力响应的问题，论文《Thermodynamic simulation-assisted random forest: Tow

发表于《Transactions of the Institute of Measurement and Control》的研究《Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A control-diagnosis collaboration perspective》（基于

在工业设备的智能化运维中，如何提高故障诊断模型在复杂工况下的泛化性能为核心挑战之一。近期发表在《Transactions of the Institute of Measurement and Control》上的论文——《Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A

针对航空发动机故障样本极度匮乏、故障类别多样以及运行监测数据持续累积的工程实际，论文《Continual contrastive reinforcement learning: Towards stronger agent for environment-aware fault diagnosis of aero-engines through long-term optimization und

在工业设备状态监测中，燃气轮机的运行数据普遍存在样本类别不平衡和类间重叠问题。本次分享的论文题为《Deep attention SMOTE: Data augmentation with a learnable interpolation factor for imbalanced anomaly detection of gas turbines》，发表于《Computers in Indust

本期分享发表于《Expert Systems With Applications》的研究成果，论文标题为《Feature-level SMOTE: Augmenting fault samples in learnable feature space for imbalanced fault diagnosis of gas turbines》。针对工业燃气轮机的故障诊断任务，实际工程中通常面临两

本期分享发表于 Journal of Power Sources 的研究论文《Deep transfer learning enabled online state-of-health estimation of lithium-ion batteries under small samples across different cathode materials, ambient tempera

本文分享的论文题目为《Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A control-diagnosis collaboration perspective》（基于感知控制域对抗网络的船用柴油机故障诊断：控制-诊断协同视角）。该研究针对机动变工况下船用柴油机喷油系统微弱故

针对船舶柴油机在复杂机动操纵工况下故障诊断准确率易受干扰的问题，近期发表于《Transactions of the Institute of Measurement and Control》的论文《Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A control-diagn

在民航日常维护中，航空发动机故障样本极度稀缺且伴随多类别、高不平衡与动态演化特性。论文《Continual contrastive reinforcement learning: Towards stronger agent for environment-aware fault diagnosis of aero-engines through long-term optimization un

在民用航空实际运营中，航空发动机具有极高的可靠性，故障发生率极低，这导致实际记录的故障样本极为匮乏且故障类型繁多，呈现出典型的极度类别不平衡特征；同时，机队每日执行飞行任务会产生持续增长的监测数据，传统离线训练的静态分类模型难以自适应环境变化。针对这一工程实际问题，学术论文《Continual contrastive reinforcement learning: Towards stronger

船舶柴油机燃烧室处于严苛的交变热机械负荷环境，其核心部件如气缸盖、活塞和气缸套在长期运行中难免发生性能劣化与机械故障。针对数据驱动方法在工程现场缺乏故障样本、模型决策机制缺乏物理可解释性等问题，相关研究发表了题为《Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of combu

为了在扩充样本的同时维持原有的故障类别信息，论文提出了经验模态重构（Empirical Mode Reconstruction, EMR）方法。该方法将时频分析中的模态分解与信号重构思想相结合，通过在信号的内在物理分量层面引入可控扰动来生成新样本。这种设计既能在特征空间中拓展少数类样本的分布范围以增强多样性，又能尽量保留原信号的核心动态特征，在一定程度上确保增强后的样本与原始样本保持相同的状态类别。

该研究提出了持续对比强化学习（Continual Contrastive Reinforcement Learning, CCRL）方法。该方法将航空公司的实际运行工况视为智能体的交互学习环境，构建了兼具特征判别与类型识别能力的强化学习诊断架构，使智能体能够在监测数据持续增长的场景下进行动态优化。

该研究提出了一种热力学模拟辅助随机森林的诊断框架，将热力学机理先验知识与机器学习算法相结合，建立了一套涵盖物理建模、参数微调、特征优选与可解释性分析的智能化运维诊断流程。

在锂离子电池健康状态（SOH）在线估计领域，国内研究团队在期刊《Energy》上发表了题为“BMSFormer: An efficient deep learning model for online state-of-health estimation of lithium-ion batteries under high-frequency early SOC data with strong

本篇博客围绕发表于学术期刊Measurement的SCI论文《Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of combustion chamber components of marine diesel engines》展开，探讨如何应用随机森林算法联合SHAP全局特征归

深度残差学习笔记：Deep Residual Networks with Dynamically Weighted Wavelet Coefficients for Fault Diagnosis of Planetary Gearboxes这篇文章将深度学习算法应用于机械故障诊断，采用了“小波包分解+深度残差网络(ResNet)”的思路，将机械振动信号按照故障类型进行分类。文章的核心创新点：复杂