主题：直升机尾传动系统智能故障预测与诊断
时间：4月28日上午10:00-11:30
地点：第7教研楼南121
主持人：郎王劼
个人简介：
孙旷驰，重庆大学博士研究生，博士期间核心科研人员参与“尾传动系统***”基础加强项目和“直升机尾传动系统深度概率损伤识别与时变维纳状态空间演化规律研究”国家自然科学基金项目等科学研究工作。目前已累计以第一作者发表5篇中科院一区TOP期刊论文（单篇影响因子15.5），4篇中科院二区TOP期刊论文，2篇中科院三区论文。本人荣获2024年博士生国家奖学金；并于2024年获国家留学基金委资助，在伦敦国王学院进行一年的公派留学培养。在2025年荣获IOP出版社杰出审稿人奖励，同时担任许多顶级期刊如Mechanical systems and signal processing、IEEE Transactions on Cybernetics、IEEE Transactions on Systems, Man, and Cybernetics: Systems、IEEE Transactions on Industrial Informatics、Engineering applications of artificial intelligence、Applied energy、Reliability engineering & systems safety、ISA transactions、Information processing and management、Measurement, Neurocomputing、Expert systems with applications、Neurocomputing、Results in engineering, IEEE Sensors Journal、Measurement science and technology、Applied mathematical modelling, Digital signal processing、IEEE access等期刊独立审稿人。研究内容涵盖多传感器时空关系发掘、域泛化和联邦迁移学习。
报告摘要：
直升机尾传动系统是特殊长链传输系统，直升机尾传动系统诊断时出现样本稀缺、数据隐私保护和多传感器时空关联发掘问题。为解决直升机尾传动系统诊断时目标数据出现未知类和样本稀缺问题，研究目标数据边界类识别、源数据和目标数据的共享类数据分布差异测量和基于伪标签自监督学习方法，提出分布学习适配故障诊断方法，实现边界类的有效识别。
为解决直升机尾传动系统实际诊断时目标数据在模型训练阶段不接触和模型决策边界模糊的问题，研究师生交互的数据扩增模块、分布差异测量指标和分布感知识别策略，形成师生分布学习对齐的域泛化诊断方法。针对直升机尾传动系统长链不同位置布置传感器的监测数据存在时空关联的特点，研究基于传感器节点的时空构图策略并设计经验模态卷积分解时空图节点信号特征提升模型泛化能力，建立时空图网络泛化诊断模型。针对传统时空图忽视直升机尾传动链不同位置传感器监测数据存在差异和数据隐私保护问题，研究关注核心传感器特征的层次时空图，引入相关分析构造跨传感器空间边；联邦通信机制交流模型参数，形成数据隐私保护的联邦泛化方法。