2026年3月21日至22日，由中国振动工程学会动态信号分析专业委员会主办、中国振动工程学会温州创新联合体承办的“首届信号处理与人工智能驱动故障诊断分析研讨会”以线上形式成功召开。本次会议通过腾讯会议平台举行，吸引了来自国内外高校、科研院所及工业界的1000余人次专家学者、工程技术人员在线参会。

会议围绕信号处理与人工智能技术在机械故障诊断领域的深度融合展开，聚焦智能故障诊断与预测、可解释人工智能、先进信号处理、数字孪生等前沿议题。来自中国、意大利、南非、印度等国家的10位知名专家学者应邀作特邀报告，分享了各自团队在相关领域的最新研究成果与工程实践。

开幕式上，会议主席、中国振动工程学会副理事长陈雪峰教授致开幕辞。他表示，随着工业系统向智能化、复杂化方向快速发展，传统故障诊断方法面临新挑战，人工智能与信号处理的深度融合将为设备健康管理带来新的突破。

会议期间，上海交通大学何清波教授介绍了面向旋转机械故障诊断的强非平稳信号处理方法；华南理工大学李巍华教授分享了跨装备场景下的可解释深度迁移学习诊断技术；东莞理工学院李川教授展示了基于虚拟振动模态增强的液压泵压力信号诊断新框架；浙江大学曹彦鹏研究员系统阐述了多模态异构数据融合检测技术；南非比勒陀利亚大学Stephan Schmidt博士介绍了复杂工况下振动信号的最优滤波增强策略；西安交通大学严如强教授提出了知识引导的故障诊断新范式，阐释了信号处理与神经网络融合的SPINN框架；温州大学向家伟教授展示了动态模型辅助的智能故障诊断方法及其在多类机械系统中的典型应用；印度SLIET大学Rajesh Kumar教授介绍了齿轮箱故障识别与复合纳米润滑剂性能提升的研究成果；温州大学Anil Kumar博士分享了物理引导的可解释AI模型在转子故障诊断中的应用；意大利费拉拉大学Emiliano Mucchi教授系统阐述了非平稳工况下多级齿轮传动系统的齿轮敲击现象及其数值与实验研究方法。

在为期两天的会议中，报告人与参会代表围绕智能诊断模型的可解释性、小样本条件下的诊断可靠性、数字孪生与物理模型的融合等热点问题展开了深入交流与讨论。会议闭幕式由Anil Kumar博士主持，向家伟教授作总结发言。他指出，本次研讨会充分展现了信号处理与人工智能在故障诊断领域的广阔应用前景，为推动“精准、可信、可解释”的智能诊断新范式提供了高水平交流平台。

本次会议的成功举办，不仅促进了国内外学者在信号处理与智能故障诊断领域的深度交流，也为我国高端装备健康管理技术的创新发展注入了新动能。未来，中国振动工程学会动态信号分析专业委员会将继续搭建高水平学术交流平台，推动相关理论与技术的持续进步与工程转化。

图文来源:程元皓

编辑:周明朗

复核:林允朋