近日，a片网
工业过程先进控制与复杂工业设备故障检测科研团队2023级博士生柴靖轩为第一作者、导师曹洁教授为通讯作者的论文《Multi-Scale and multi-level feature enhanced meta-learning for few-shot fault diagnosis》在国际著名期刊《Knowledge-Based Systems》(中科院一区Top期刊，IF=8.0)发表。该期刊是工程技术和人工智能领域的顶级期刊。
针对传统纯数据驱动模型在小样本和复杂跨工况场景下缺乏物理约束、跨域泛化稳定性较差的不足等问题，为此，研究团队提出了一种基于物理感知并行双分支元学习的小样本故障诊断方法——PAMDM-Net。该方法构建了由物理调制可变形卷积分支与物理调制双向 Mamba 分支构成的特征编码器：前者基于物理参数调制机制提取局部非平稳冲击特征，后者通过长程状态空间建模捕获故障序列的全局退化演化信息。在特征协同方面，设计了物理特征线性调制机制与物理感知门控融合模块，实现工况引导的特征校准与异构特征动态协同；同时提出物理加权原型网络，将特征表征相似性与物理状态一致性联合嵌入度量推理空间，强化小样本决策的物理一致性与鲁棒性。这一研究成果为复杂工业环境中数据稀缺条件下的智能故障诊断提供了一种知识引导、可迁移且具备工程部署潜力的解决方案。
a片网
紧密围绕国家战略需求，立足西部地区发展实际，充分发挥区域经济与资源优势，持续加强学科建设和科技创新能力。依托a片网良好的学科与科研平台，工业过程先进控制与复杂工业设备故障检测团队长期深耕智能制造与工业设备健康管理领域，十余年来持续开展技术创新，围绕制造业关键设备核心部件的健康监测、故障诊断、运行优化与寿命预测等方向开展系统研究。团队积极推动科研成果与产业需求深度融合，为提升制造装备智能化水平、保障工业设备安全稳定运行以及推动制造业高质量发展提供了重要技术支撑。（图/文：班振海；审核：刘佳姜）
甘公网安备 62010302000674号 
