报告题目：机械装备变工况智能故障诊断中泛化的深度领域

自适应方法

报告人：李响

时间：2022年11月10日（下午）14：30—16：30

地点：#腾讯会议：690-923-484

主持人：张龙 副院长

报告简介：近年来，基于深度学习的机械装备智能故障诊断方法取得了显著的成果。针对工程中常见的变工况故障诊断问题，深度迁移学习方法也被成功引入并取得了诊断精度的提升。深度领域自适应方法是一类典型的深度迁移学习方法，在过去几年间已成为解决变工况智能诊断问题最具代表性的方法之一。然而，当前深度领域自适应方法普遍对源领域与目标领域的数据有较强限制，往往假设源领域与目标领域数据涵盖机械装备全部健康状态，该假设在工程中难以满足。本次报告总结了当前变工况智能诊断工程问题中的常见数据场景，根据源领域与目标领域可获取数据的不同主要分为：局部、开集与统一领域自适应场景。针对不同的领域自适应场景，提出基于深度神经网络的解决方案，实现了泛化的智能诊断。采用多种状态监测数据集验证了所提出深度领域自适应方法的有效性，结果表明所提出的方法适合应用于工程问题，对于不同数据获取场景有较强的普适性。

报告人简介：

李响，西安交通大学机械工程学院副教授、特聘研究员、博导，现代设计及转子轴承系统教育部重点实验室青年骨干，入选陕西省高层次人才引进计划与西安交通大学青年拔尖人才支持计划，“高端装备智能运维”陕西省三秦学者创新团队成员，美国国家自然科学基金会智能维护系统中心博士后，美国加州大学默塞德分校联合培养博士。主要研究方向：工业人工智能、工业大数据、装备智能运维等。主持国家自然科学基金等项目10余项，以第一或通讯作者在IEEE Transactions on Neural Networks and Learning Systems, IEEE Transactions on Industrial Electronics等本领域权威期刊上发表高水平学术论文40余篇，包括ESI高被引论文16篇，ESI热点论文4篇，谷歌学术引用4600次以上，H指数32，入选斯坦福大学与Elsevier联合发布的全球前2%顶尖科学家榜单。担任期刊Expert Systems with Applications副主编，以及IEEE/CAA Journal of Automatica Sinica、Journal of Dynamics, Monitoring and Diagnostics、Machines、西安交通大学学报等期刊首届青年编委，个人主页：http://lixiang.gr.xjtu.edu.cn。