装备智能健康评估团队

1 科研团队简介

四川大学电气工程学院“装备智能健康评估”团队依托于四川省空天信息与智能装备国际科技合作基地。在团队负责人苗强教授的带领下，面向能源动力等装备安全可靠运行的重大需求，围绕健康状态先进感知与测试、异常检测与诊断、健康评估与预测等关键技术开展研究，在所属领域具有独有的影响力。目前，团队已承担了包括国家重点研发计划项目、国家自然科学基金、预先研究及快速支持项目、教育部新世纪优秀人才支持计划等在内的70余项国家级/省部级基金项目和企业横向课题，与二十余所科研院所、大型企业和国内外知名高校建立了紧密的合作与交流关系。在智能制造和工业互联网为代表的工业强国建设目标的指引下，团队以智能信息感知和处理为核心，通过准确感知、互联传输、智能计算和精确控制构建的智能自动化体系，为高端装备的安全运行维护提供自主可控的基础技术支撑。

2 团队负责人简介

苗强教授/博士/博导，四川大学电气工程学院“装备智能健康评估”团队负责人。主要研究方向包括：重大装备故障诊断、健康评估以及可靠性研究。

近年来，苗强教授主要针对重大装备的可靠性、故障诊断及健康评估开展研究，承担了国家重点研发计划项目、国家自然科学基金、国际创新合作项目、预研基金、教育部博士点基金等50余项国家级/省部级基金项目和企业横向课题。目前已发表论文100余篇（SCI收录50余篇，ESI高引论文8篇），授权国家发明专利16项，出版学术译著《系统重要性测度原理与应用》1本。2009年获教育部自然科学奖二等奖，2011年入选教育部新世纪优秀人才支持计划，以及第九批四川省学术和技术带头人后备人选，2012年被聘为香港城市大学客座教授，2013年入选第十一批四川省有突出贡献的优秀专家，2016年获得四川大学青年科技奖，2019-2021年担任IEEE可靠性学会执行委员，2020-2021年担任IEEE可靠性学会副主席,2023年入选第十四批四川省学术和技术带头人。现担任IEEE Transactions on Instrumentation and Measurement、IEEE Transactions on Reliability、航空学报暨Chinese Journal of Aeronautics、《工程科学与技术》、《装备环境工程》等多个期刊编委，IEEE高级会员。

3 研究方向与特色

（1）大规模制造业网状结构价值链数字生态系统研究

针对大规模制造产业协同发展过程中存在的数据交互壁垒、信息不对称、价值链孤岛、恶性竞争、价值虚构的问题，整合大规模制造产业的产业链、供应链、销售链、能源链，构建基于网状结构多价值链的复杂数字生态系统，探索各个企业之间的互生、共生、合作、竞争的重要生态关系，形成保障数字生态系统具有良好的演进态势的服务技术，推动我国大规模制造业健康可持续发展。

（2）复杂装备健康状态先进感知与测试技术研究

面向复杂装备中结构特性、物理特性等感知与测试需求，开展先进感知与测试技术研究，重点突破复杂装备的分布式光纤传感及测试、状态监测和智能感知等关键技术，有效支撑复杂装备的状态感知、异常检测、故障诊断以及剩余寿命预测等功能，促进复杂装备安全性和可靠性能力的提升。

（3）复杂装备异常检测与故障诊断技术研究

针对复杂装备参数维度高且时空关联性强，海量飞参数据挖掘难度大的问题，在数据预处理基础上，提出了融合规则学习、孤立森林以及卷积神经网络的异常检测、定位及恢复方法，实现了复杂装备异常的快速定位与恢复；进而将故障物理模型、诊断知识推理及人工智能算法进行有机结合，提出了可解释智能诊断框架，解决了复杂装备故障模式覆盖率不高的问题，有效提升了复杂装备故障诊断效率与精度。

（4）复杂装备健康评估与寿命预测技术研究

针对复杂装备组成结构复杂、应用环境多变以及工作任务不确定性强，而引起的健康评估和剩余寿命预测模型难以准确构建问题，在数据预处理基础上，基于数据驱动的方法，构建机电部件参数关联模型和演化机理模型，实现关联模型与演化机理模型的深度融合，进而实现了高效能复杂健康状态评估和剩余寿命预测，有效支撑了复杂装备安全性和可靠性的提升。

（5）动力锂离子电池组健康管理关键技术研究

针对动力锂电池电化学过程复杂、可测参数有限且特性耦合，成组使用后不一致性问题突出，导致动力电池组在线准确状态估计及寿命预测极具挑战等问题，利用动力电池电流、电压、温度等监测数据，构建具有多隐藏状态变量的动力电池组状态联合估计模型，并将动力电池状态退化过程转换至Lebesgue采样框架下，实现了高效的动力电池组状态自适应联合估计和寿命预测，有效支撑了动力电池组安全性和可靠性的提升。

4 部分项目与成果

（1）主要科研项目（纵向）

[1] 国家自然科学基金，“多场耦合作用下机电作动器健康状态原位感知及评估方法”, 2024.01~2026.12.

[2] 重点研发计划项目, “大规模制造产业网状结构价值链数字生态理论研究”, 2021.12~2024.11.

[3] 国家自然科学基金, “微重力环境下低速空间旋转机构动态服役行为表征与评估”, 2021.01~2024.12.

[4] 国家自然科学基金，“基于Lebesgue采样的动力电池组状态联合估计与寿命预测研究”, 2023.01~2025.12.

[5] 国家自然科学基金, “基于声学知识深度迁移的列车轴承剩余寿命预测方法研究”, 2022.01~2024.12.

[6] 国家自然科学基金,“基于光纤分布式声波/温度梯度传感的超长距离海缆在线状态监测系统研究”, 2020.01~2022.12.

[7] 四川省重大科技专项项目，“微尺度下的故障检测”，2022.01~2024.12.

[8] 四川省自然科学基金青年科学基金项目, “多时变失效模式下机电作动器在线健康状态退化建模方法”, 2023.01~2024.12.

[9] 四川省自然科学基金青年科学基金项目, “飞行器机载电传作动系统健康状态在线评估与预测研究”, 2022.01~2023.12.

（2）代表论文

[1] An interpretable state of health estimation method for lithium-ion batteries based on multi-category and multi-stage features [J]. Energy, 2023: 129067.

[2] Source free unsupervised domain adaptation for electro-mechanical actuator fault diagnosis [J]. Chinese Journal of Aeronautics, 2023, 36(4): 252-267.

[3] 大规模制造产业网状结构价值链数字生态理论研究构想[J].工程科学与技术, 2022, 54(6): 1-11.

[4] Unmanned Aerial Vehicle Flight Data Anomaly Detection and Recovery Prediction Based on Spatio-Temporal Correlation [J]. IEEE Transactions on Reliability, 2022, 71(1): 457-468.

[5] RUL prediction and uncertainty management for multisensor system using an integrated data-level fusion and UPF approach[J].IEEE Transactions on Industrial Informatics, 2021, 17(7): 4692 - 4701.

[6] Cost-effective Lebesgue sampling long short-term memory networks for lithium-ion batteries diagnosis and prognosis [J]. IEEE Transactions on Industrial Electronics, 2022, 69(2): 1958-1967.

[7] A Hybrid Domain Adaptation Diagnostic Network Guided by Curriculum Pseudo Labels for Electro-mechanical Actuator[J]. Reliability Engineering & System Safety, 2022: 108770.

5 团队文化

文化建设作为团队建设的重要内容之一。在学术方面，团队主要通过组会制度、学术交流和学术年会三方面进行学术文化建设。大组会由苗强教授主持定期召开，各方向的小组会也每周进行。此外，本团队积极组织和参与国内外学术交流会议，为团队成员提供了广阔的学术交流平台，使学生能够紧密跟踪国内外的前沿领域。在新冠肺炎疫情期间，为进一步加强师生交流，大组会采用每周以线下、线上的方式同时进行。有力保障了团队师生的畅通交流，充分做到了“隔离疫情不隔离科研”。除了学术探讨之外，团队也会定期组织丰富多彩的文化活动。例如，每年坚持举办年会，不定时举行团建活动，进一步增强了师生情谊，提升了团队协作能力，形成了和谐友爱的团队氛围。