题目：神经网络的优化及其在预测性维护中的应用/数据处理算法在工业领域应用案例

时间：2024年7月23日 10:00-12:00

地点：机械与动力工程学院 F210会议室

邀请人：夏唐斌 长聘副教授、朱颖 助理研究员、司国锦 助理研究员（工业工程与管理系）

报告题目：神经网络的优化及其在预测性维护中的应用

报告人：王婧 助理研究员

报告人简介

王婧，助理研究员。2016年毕业于上海交通大学，获工学博士学位，研究方向为机器学习与工程优化。以第一作者或通讯作者发表论文9篇：其中SCI期刊论文4篇，ASME国际会议论文2篇，其他国际、国内会议论文2篇，国内核心期刊论文1篇。代表作曾被SCI学术期刊《Journal of Mechanical Design》选为featured article（其目的在于突出当前研究热点和方向）。担任《Reliability Engineering and System Safety》等SCI期刊审稿人。

报告摘要

在大数据的时代，神经网络在数据拟合和预测方面具有不依赖物理场景、灵活多样等特点。但是，神经网络的拟合或预测效果却严重依赖于神经网络的结构和参数，因此，优化神经网络的结构和参数将有利于提升神经网络的实际应用效果。在预测性维护中，所处理的数据大部分属于时间序列。利用神经网络预测复杂系统关键部件的剩余寿命，提前做好维修计划，有助于降低运维成本，提升维护效能。

报告题目：数据处理算法在工业领域应用案例

报告人：袭奇 工程师（华南师范大学）

报告人简介

袭奇，博士毕业于上海交通大学信息与通信工程专业，毕业后担任中国商飞公司数据分析团队技术骨干、项目经理，参与研发国产民机运行监测分析系统，2019年获评工信部工业互联网APP优秀解决方案（第一完成人），2021入选工信部大数据产业试点示范。2021年5月至今，工作于华南师范大学数据科学与工程学院，担任工业大数据实验室副主任，研究领域包括工业互联网、工业数据分析、5G通信。

报告摘要

通过实际案例，交流探讨数据分析算法在工业及医疗中的应用。案例一，航空发动机润滑油量建模。航空发动机滑油泄漏是引起滑油系统故障的重要因素。通过机器学习算法，可建立能够反映单台发动机性能的油量变化基线模型，为发动机滑油系统预测性维护提供新的方法支持。案例二，基于音频数据的风电叶片损伤检测。当风机叶片表面存在裂纹、划痕、腐蚀等损伤时，在风力作用下产生异常声音。对音频数据处理，有望实现叶片损伤检测。