报告题目：机械传动系统故障个性化诊断原理与方法探讨
报告所属学科：管理科学与工程
报告人：向家伟（温州大学机电工程学院）
报告时间：2021年5月30日 10:00
报告地点：经管709
报告摘要：
如何获得机械系统大量反映实际运行状态的故障样本，是制约人工智能诊断模型走向工程应用的瓶颈。提出机械系统个性化故障诊断基本原理，通过建立机械系统数值模拟模型，进行仿真分析，获得故障样本，解决故障诊断过程中故障特征信息缺乏的短板，从而激活人工智能诊断方法。以轴承、齿轮传动、转子系统等机械系统为例，构建完好结构有限元模型，开展模型修正，获得“高保真”仿真模型。预定义多类故障并添加至“高保真”有限元模型，计算生成故障样本集，作为人工智能诊断模型的训练样本，用于待诊断测试样本分类。给出了个性化诊断精度进一步提高的可行途径并开展相关研究。任意选取的支持向量机、极限学习机、卷积神经网络等人工智能诊断模型故障分类实验结果表明：所提出机械故障诊断的个性化诊断原理，具有较强的普适性与可拓展性。
报告人简介：
向家伟教授、1974年生，博士，博士（兼职）/硕士研究生导师。温州大学机电工程学院院长。2006年获西安交通大学机械工程博士学位。入选浙江省有突出贡献中青年专家、万人计划科技创新领军等。主持40余项科研项目：国基4项(重点1项)、合作单位主持国基2项（重点1项）、浙江万人计划项目1项、省自然科学杰出青年基金1项、省基金重大1项等。发表150余篇论文，SCI收录150余篇，SCI引用3000余次，授权发明专利30件、申请20件。在应用研究领域，通过多项企业合作课题，开发出故障/损伤诊断系统、嵌入式故障诊断仪等，产生较大经济效益和社会影响。获教育部、浙江省、广西区二等奖3项（排名1）、中国侨界贡献奖(创新团队)（排名1）、浙江省科技进步三等奖2项（排名2、3）。《Sensors》、《农业工程学报》等编委，《Measurement》、《Applied Acoustics》等六种SCI期刊客籍主编、中国机械工程学会设备与维修工程分会常务委员、中国通用机械工业协会振动检测与故障诊断专业委员会委员。
