近日，中国科协舰船科学领域高质量科技期刊T1级期刊《中国舰船研究》在线刊发了船舶与海洋工程学院船海装备智能运维所在齿轮箱故障诊断领域的新成果，题为“基于频带注意力网络的齿轮箱小样本故障诊断方法”。我院2022级本科生涂序源为第一作者，2022级本科生张祚庥、2023级本科生王子木直、博士生邓琪为共同作者，吴军教授为通讯作者。
齿轮箱是船舶上被广泛应用的一种关键传动部件，齿轮箱故障诊断对于保障船舶航行安全和服役可靠性等具有重要意义。针对现有基于深度学习的故障诊断方法依赖于大量故障样本的问题，研究团队提出了一种基于频带注意力网络的故障诊断方法。该方法构建了时频特征提取模块，将监测信号重构为子频带编码信号，并深度挖掘出代表性的时频特征；通过多特征融合模块，揭示时频特征间的关联关系，提升了故障类间特征分离性。相比现有方法，所提出的方法在小样本条件下取得了最优的诊断精度。
图1 频带注意力网络结构
涂序源、张祚庥和王子木直是我院轮机工程专业本科生，在学有余力的情况下主动加入船海装备智能运维所吴军教授团队参与研究工作，经过严格有序的科研训练，系统掌握了智能诊断领域的基础理论与前沿技术，目前在投SCI期刊论文1篇，申请国家发明专项1项。上述研究工作得到了华中科技大学交叉研究支持计划项目(2024JCYJ028)与国家自然科学基金资助项目(523B2100)的联合资助。
论文DOI: 10.19693/j.issn.1673-3185.04384
