报告题目：旋转机械状态监测与故障诊断的时序表征模型方法

报告所属学科：管理科学与工程

报告人：陈岳剑（同济大学）

报告时间：2023年11月22日 9:30-10:30

报告地点：经管学院702室

报告摘要：

旋转机械如齿轮、轴承、转子是高端装备的基础部件，其状态监测与故障诊断关乎整体装备的安全可靠高效运行。从状态监测信号的时序依赖关系角度出发，介绍面向旋转机械状态监测与故障诊断的变参数时序表征方法研究进展及未来研究方向。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、基于时序表征模型参数或残差的状态监测与故障诊断框架；其次提出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时序表征模型，以及随机变工况下基于稀疏线性变参数时序表征模型的故障诊断机制；然后就非线性时序表征，提出内嵌物理信息的循环神经网络和改进变索引系数自回归模型；最后展望时序表征方法的未来研究方向。

报告人简介：

陈岳剑，男，同济大学特聘研究员、博士生导师。生于1991年，2015年获得南京理工大学机械电子工程专业硕士学位，2020年获得加拿大阿尔伯塔大学机械工程专业博士学位，师从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计划，同年入职同济大学铁道与城市轨道交通研究院，任特聘研究员。陈岳剑的研究方向包括：状态监测、故障诊断、预测与健康管理、机器学习、设计优化等。陈岳剑主持了2项省部级项目，参与了5项加拿大的自然科学基金、重点研发、Mitacs校企合作、Mitacs国际交流项目。在Mechanical Systems and Signal Processing、Journal of Sound and Vibration等国际高水平期刊发表学术论文30余篇，担任过包括Reliability Engineering and System Safety在内的5个国际高水平期刊的客座编辑、Journal of Dynamics, Monitoring and Diagnostics期刊青年编委，获得授权发明专利12项，内容涉及故障诊断、信号处理、机械测试、优化设计等交叉学科领域。另外，陈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（PHM）数据分析竞赛奖等科研奖励。