近日，能源与动力工程学院李春教授团队与英国利物浦约翰摩尔大学（Liverpool John Moores University）合作在计算机科学信息系统和硬件体系结构双领域Top 1期刊《信息融合》（Information Fusion，中科院一区，双Top1期刊，IF=17.564）上发表题为《基于多尺度信息融合加权软投票规则多注意模块的机器维修故障智能诊断》的研究成果。博士生许子非为第一作者，李春教授为论文通讯作者，上海理工大学为第一通讯单位。
文章截图
研究工作围绕智能故障诊断模型建模中处理多尺度信息的关键科学问题，针对复杂环境下系统故障诊断中多尺度模型外推效率低、外推不足的问题，首创性地提出权重软投票的多尺度决策加权融合卷积神经网络模型(HMS-MACNN)。该模型能够捕获采集信号丰富的多尺度特征，包括时间和频率多尺度信息。多注意模块由自适应加权规则和加权软投票规则两部分组成，分别在特征层和决策层有效地考虑了不同尺度特征对故障的贡献。通过故障实验结果验证了该模型的鲁棒性和泛化能力，其F1值比同类环境下已有的基于多尺度CNN的模型提高了27%；比其他通用模型具有更高的精度，能够准确地对不同尺度的特征进行注意分配。与传统的基于CNN的模型相比，利用多注意模块和混合MS块在不同融合策略下捕获多尺度信息和融合高级特征方面具有卓越的泛化性能。研究成果具有极高的理论创新性，且在机械设备无损检测中具有非常广阔的潜在应用价值。
模型框架及主要性能
风电已成为我国实现“双碳”目标及保证能源战略安全的重要途径，聚焦国家重大需求和经济主战场，李春教授团队较早开展了风能开发和利用等方面的研究，首次提出了基于分形和智能仿生的流动自适应控制方法、叶片/漂浮式平台/塔架结构新构型设计方法，显著改善了风力机气动和结构性能。研究工作得到国家自然科学基金项目（51676313，51976313）、国家自然科学基金-英国皇家牛顿基金合作交流（NSFC-RS项目，51681230669）和上海市地方院校能力建设计划项目（1906052200）的资助。在风电领域出版专著3部、承担国家/省部级项目10项、SCI论文60余篇（中科院一、二区论文20余篇）、《热能动力工程》学术专刊一期，授权发明专利与软件著作权30余项。团队已有6名博士生获国家留学基金委项目资助（CSC）公派留学联合培养，体现了能动学院近年来在国际合作与人才培养方面取得显著成效。
论文链接：https://doi.org/10.1016/j.inffus.2022.06.005
供稿：能动学院
