报告题目：变工况设备故障智能诊断的迁移学习理论与方法

报 告 人： 沈长青 苏州大学 教授/博导

报告时间：2022年5月13日（周五）下午14:30 开始

报告地点： 腾讯会议 583 251 891

报告对象：机械学院本科生和研究生及相关老师

主办单位： 机械工程学院

报告摘要: 基于深度学习的故障诊断方法被广泛应用于以轴承为代表的机械关键部件故障诊断，其取得理想效果的前提是有足量故障样本且训练集、测试集满足同分布要求。然而，在实际工况下数据分布会发生变化，进而使原有工况下诊断模型很难适用于新工况。报告人将首先汇报近年来在多尺度卷积类内迁移、矩匹配类内多源域适应、基于知识映射的对抗领域自适应等相关域适应故障诊断模型方面所做的工作及其实验验证；然后汇报在类边界特征检测深度域泛化、多领域对抗域不变特征学习等面向未知工况的域泛化诊断模型及其实验验证。

报告人简介：沈长青,苏州大学轨道交通学院教授、博士生导师。

沈教授的研究方向为运载系统关键部件信号处理、状态监测与智能诊断，主持国家自然科学基金面上项目1项，国家自然科学基金青年科学基金1项，国家重点实验室开放课题、江苏省自然科学基金等省部级课题9项。在IEEE Transactions on Industrial Informatics、Mechanical Systems and Signal Processing、机械工程学报、交通运输工程学报等权威期刊/会议上发表论文80余篇，论文总被引2600多次，先后有ESI高被引论文4篇，ESI热点论文1篇，入选“2021年度全球前2%顶尖科学家榜单”。曾于2021年任国家自然科学基金委员会流动业务主管，目前担任中国振动工程学会故障诊断专业委员会理事、青年工作委员会副主任，IEEE高级会员，担任《足彩投注app》青年编委，《足彩投注app》青年编委，IEEE Open Journal of Instrumentation and Measurement副主编。