学术报告:基于深度迁移学习的故障诊断方法及其应用研究

作者: 时间:2020-09-28 点击数:

报告人:李巍华教授

时间:20209301430

地点:大学城校区工学二号馆202会议室

报告人简介:

李巍华,2003年于华中科技大学机械工程专业获工学博士学位,现任华南理工大学机械与汽车工程学院副院长、教授、博士生导师。IEEE高级会员(IEEE仪器测试学会状态监测与故障诊断仪器技术委员会共同主席)、ASME会员、中国机械工程学会高级会员、中国振动工程学会故障诊断专业委员会常务理事、机械动力学专业委员会理事。主要从事复杂机电设备智能故障诊断及预测性维护、智能驾驶汽车环境感知技术等研究工作,主持国家重点研发计划课题1项,国家自然科学基金项目4项,广东省重点研发计划课题1项,主持企业合作项目近10项;任IEEE Sensors Journal, Mathematical Problems in Engineering专刊Guest Editor,在IEEE TII、TIMSensors Journal, Renewable Energy, MSSP,Computers in Industry等发表论文70余篇(其中ESI高被引论文4);授权发明专利8项;出版专著3部。


报告摘要:

  以深度学习为代表的新一代人工智能技术在故障诊断领域引起了广泛的关注和深入的研究,然而,智能诊断方法对于数据的依赖与大量故障模式数据难以获取之间的矛盾影响着深度学习诊断方法的应用。对于由实验研究构建的智能诊断模型难以匹配工业现场诊断需求的问题,将深度学习理论和迁移学习技术结合,利用深度学习的大数据特征学习能力和迁移学习在模型泛化方面的优点,充分利用珍贵的大数据(深度学习)和小数据(迁移学习)上的能力提出系列基于深度迁移学习的机械系统故障诊断方法,为复杂机械系统的故障诊断与预测提供新的方法和手段。

Copyright ©版权所有:奥门金沙

院长邮箱:jdyb@gdut.edu.cn 管理员邮箱:meetingnotice_gdut@163.com

XML 地图 | Sitemap 地图