近日，j9.com自动化与电气工程学院工业过程先进控制与复杂工业设备故障检测科研团队2023级博士生张亚洲为第一作者、导师赵小强教授为通讯作者的论文《WD-KANTF: An interpretable intelligent fault diagnosis framework for rotating machinery under noise environments and small sample conditions》在国际著名期刊《Advanced Engineering Informatics》(中科院一区Top期刊，IF=9.9)发表。该期刊是工程技术和人工智能领域的顶级期刊。
针对工业应用中故障数据的不足和环境噪声的干扰损坏了智能诊断模型的诊断准确性，与此同时，多数智能诊断模型缺乏可解释性严重影响了故障诊断的可靠性。基于此，研究团队提出了一种基于小波降噪和KANTransformer的故障诊断框架—WD-KANTF，该框架包含两大创新设计：其一设计了自适应小波降噪层，其由离散小波变换、平滑软阈值和融合策略构成，通过自适应小波降噪层将时域特征空间拓展至小波域，从而更好地学习小波域的低频与高频特征；其二设计了KANTransformer模块，通过在线性层引入可学习激活函数，为模型注入强大动力，显著增强非线性特征提取能力。这一研究成果不仅为旋转机械在复杂工况下的故障诊断提供了新的解决方案，也为智能诊断模型的可解释性研究提供了重要参考，有望在工业领域得到应用。
围绕复杂工业设备的状态监测与实时决策，该团队的研究成果已经在高质量期刊《IEEE Transactions on Instrumentation and Measurement》、《Process Safety and Environmental Protection》和《控制与决策》上发表。工业过程先进控制与复杂工业设备故障检测团队十余年来致力于创新，聚焦制造业设备核心组件的健康监测、故障诊断优化及寿命预测，为制造业高质量发展和设备安全稳定运行提供重要支持。（图/文；赵小强；审核：杨雅琼）
甘公网安备 62010002000207号