报告题目：基于时序表征的机械故障诊断方法

报告人：陈岳剑，同济大学特聘研究员、博士生导师、上海市领军人才

报告时间：2023 年 5月10 日（周三）下午 14 点

报告地点：6B308

报告摘要：旋转机械部件，如齿轮、轴承、转子等，是工业设备的基础部件。其状态监测与故障诊断关乎整体设备的安全可靠运行。本次报告将从状态监测信号的时序依赖关系角度出发，介绍基于时序表征建模的旋转机械故障诊断方法。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；其次介绍基于时序表征模型参数、残差的故障诊断机制；然后，重点介绍两个最新研究成果，即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自回归时序表征模型及其多通道拓展、旋转机械随机变工况下基于时序表征建模的故障诊断机制；最后，展望时序表征故障诊断方法的未来研究方向。

报告人简介：

陈岳剑，同济大学特聘研究员、博士生导师、上海市领军人才。2012年获得温州大学机械工程及其自动化专业学士学位，2015年获得南京理工大学机械电子工程硕士学位，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（海外）青年，同年入职同济大学铁道与城市轨道交通研究院。他的研究方向包括：机电系统可靠性分析、故障诊断、预测与健康管理、机器学习等。陈岳剑已发表30余篇SCI期刊论文、10篇会议论文、1章专著，已授权10项发明专利（其中3项排名第一）。署名第一和通讯作者的SCI期刊论文16篇，其中11篇JCR Q1。此外，他还担任Mechanical Systems and Signal Processing、Engineering Applications of Artificial Intelligence（影响因子7.8）在内的5个SCI期刊客座编辑。