大家旺娱乐-网络博彩-博彩网开户资讯频道

蘭州理工大學(xué)網(wǎng)站標(biāo)識(shí) 蘭州理工大學(xué)網(wǎng)站標(biāo)識(shí)

請(qǐng)輸入搜索信息
奮進(jìn)求是
當(dāng)前位置 > 首頁(yè) > 教學(xué)科研 > 正文 >
教學(xué)科研
機(jī)電工程學(xué)院博士生魏孔元在TOP期刊發(fā)表學(xué)術(shù)論文
來(lái)源：機(jī)電學(xué)院
瀏覽：次
2025-06-25

近日，機(jī)電工程學(xué)院2020級(jí)博士研究生魏孔元在滾動(dòng)軸承故障診斷研究方向取得新進(jìn)展，以第一作者完成的論文“Dimensionality reduction of rolling bearing fault data based on graph-embedded semi-supervised deep auto-encoders（基于圖嵌入半監(jiān)督深度自編碼器的滾動(dòng)軸承故障數(shù)據(jù)降維方法研究）”，于2025年4月14日在線(xiàn)發(fā)表在人工智能與工程技術(shù)領(lǐng)域國(guó)際頂級(jí)學(xué)術(shù)期刊《Engineering Applications of Artiffcial Intelligence》(影響因子：8.0，中國(guó)科學(xué)院一區(qū)Top，DOI: 10.1016/j.engappai.2025.110689)。論文指導(dǎo)教師為趙榮珍教授。

滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械的核心部件，其運(yùn)行狀態(tài)直接關(guān)系到工業(yè)裝備的可靠性與安全性。針對(duì)復(fù)雜工況下軸承故障頻發(fā)、傳統(tǒng)方法在高維稀疏數(shù)據(jù)處理中表現(xiàn)不佳等問(wèn)題，在趙榮珍教授的指導(dǎo)下，作者提出了一種基于圖嵌入半監(jiān)督深度自編碼器（GESDAE）的故障數(shù)據(jù)降維方法。該方法創(chuàng)新性地將振動(dòng)信號(hào)構(gòu)建為圖結(jié)構(gòu)，并結(jié)合深度學(xué)習(xí)與正則化機(jī)制提升特征提取效率與模型魯棒性。實(shí)驗(yàn)結(jié)果表明，該方法在多個(gè)實(shí)驗(yàn)平臺(tái)上均取得了優(yōu)異的故障識(shí)別效果，在特征可分性、可視化分析等方面也表現(xiàn)出顯著優(yōu)勢(shì)。

本研究為高維復(fù)雜故障數(shù)據(jù)的智能處理提供了新思路，展示了圖結(jié)構(gòu)建模與深度學(xué)習(xí)融合在智能故障診斷領(lǐng)域的良好應(yīng)用前景。（圖/文：鄭玉巧；審核：侯運(yùn)豐）