ITPub博客

在船舶柴油机运行过程中，动态机动工况下的负荷突变与电控单元（ECU）的主动调节往往会导致监测信号的分布发生显著偏移，给故障特征提取带来干扰。针对这一问题，发表于期刊 Ships and Offshore Structures 的研究论文《Control-aware affine network: a novel framework for reliable fault diagnosis of m

在机械故障诊断领域，实际工业场景下采集到的故障样本往往较为匮乏，深度学习模型在小样本条件下容易发生过拟合。针对这一问题，学术期刊《Measurement》发表了题为“Multiple wavelet regularized deep residual networks for fault diagnosis”的研究论文。该研究提出了一种多小波正则化深度残差网络方法，利用不同小波基函数时频分解的差异

在发表于期刊《IEEE Transactions on Industrial Electronics》的论文《Multiple Wavelet Coefficients Fusion in Deep Residual Networks for Fault Diagnosis》中，提出了一种结合多小波系数融合与深度残差网络的机械故障诊断方法。在旋转机械微弱故障诊断过程中，振动信号常呈现出非平稳特性且

在机械故障诊断领域，工况的变化往往导致同类健康状态下的振动信号呈现明显差异，而不同健康状态在特定运行条件下可能表现出相近的波形特征。发表于期刊《IEEE Transactions on Industrial Electronics》的研究论文《Deep Residual Networks With Adaptively Parametric Rectifier Linear Units for F

针对旋转机械在恶劣运行工况下振动信号常混杂大量背景噪声、导致故障特征容易被干扰淹没的问题，发表于期刊《IEEE Transactions on Industrial Informatics》的研究论文《Deep Residual Shrinkage Networks for Fault Diagnosis》提出了一种深度残差收缩网络架构。该方法以经典残差神经网络为骨干，将信号处理领域的软阈值化作为

在机械装备的状态监测与故障诊断领域，传统数据驱动模型多聚焦于分析各类传感器采集的设备状态信号。然而，发表于期刊 Transactions of the Institute of Measurement and Control 的论文 “Fault diagnosis of marine diesel engine via control-aware domain-adversarial netwo

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。