2025年3月4日晚上七点，第三百四十四期工程可靠性论坛在电子科技大学清水河校区主楼C1-205如期举行。

        工程可靠性论坛是由电子科技大学可靠性工程研究所所长黄洪钟教授创立，现已成为我所师生定期展示科研成果与进行学术交流的重要平台。学术交流为团队成员提供了学习新知识、新技术和新方法的途径，从而不断更新自己的知识库，提升专业技能。在交流过程中，不同背景和观点的碰撞可以激发新的想法和创意，有助于解决复杂问题，推动技术创新。同时，通过分享经验、教训和成功案例，团队成员可以相互学习，增强团队协作能力。为提高团队的文化素养、学术水平、科研能力以及增强团队凝聚力具有重要意义。

        本次论坛由硕士研究生鲁传来主持，博士后Sajawal、戴鑫亮，博士研究生Ali分别做学术报告。

         在学术报告前，首先由主持人鲁传来向大家分享了混合不确定性下风电齿轮箱齿轮多目标可靠性优化。该分享首先从风电齿轮的功能与市场规模介绍了风电齿轮箱的作用与重要性，随后讲解了对其进行可靠性优化的必要性，并介绍了涉及的方法与理论，包括可靠性优化设计、多目标优化、不确定性量化，最后，对内容进行了总结，并对未来的应用前景进行了展望。

        作为第一个汇报人，博士后Sajawal作了主题为《基于混合特征提取和图变换网络的轴承剩余使用寿命预测》的报告。在报告中，Sajawal首先介绍了问题背景，指出寿命预测的重要性，以及传统方法遇到的挑战与其局限性，表达了工程实际对新方法的强烈需求。随后，介绍了图变换网络的相关理论，表示其框架采用了关键的深度学习机制，包括多头自我注意、位置编码和图卷积层，这些机制增强了模型学习数据点之间关系的能力。随后介绍了提出的混合特征提取方法，在每次试验中，一个轴承被指定为测试样本，而其余轴承用作训练集，此过程在所有条件下迭代，以确保模型稳健且通用。最后，给出了结果，并分析给出了相应的结论，结果表示提出的新方法为预测性维护提供了高度准确、可解释、可通用的解决方案。同时，表示这项研究的结果对工业应用具有重大意义，特别是在风力涡轮机、高速列车和其他旋转机械中。并表明未来的研究方向包括将这种方法扩展到其他机械组件，并进一步提高模型效率，以便在工业环境中进行实时部署。

        接着，博士研究生Ali作了主题为《基于神经网络的轴承可靠性分析与故障诊断》的报告。Ali首先介绍了问题的研究背景，并表明故障诊断的重要性，以及现在的一些故障诊断方法存在一定的局限性，不能有效的提取故障特征进行故障诊断。随后，介绍了自己提出的基于深度信念网络与内斯特洛夫动量相结合的新型自适应学习诊断方法。随后，介绍了该新方法的优点，包括自适应能力强、特征提取能力强、方法精度高。接着，Ali详细介绍了新方法的相关理论以及公式推导，并通过示意图展示了新方法的模型框架，最后，使用高速列车轴承的真实数据，对新方法进行了检验，详细分析了结果的各项指标，最后表示新方法有着良好的故障诊断效率与准确性，并与其他方法进行了对比，进一步凸显了所提新方法的优越性。

        随后，博士后戴鑫亮作了主题为《高速动车组轮对凹磨退化可靠性分析》的报告，从研究背景与研究意义，轮对凹磨退化可靠性模型，结果分析三个方面进行了汇报。戴鑫亮首先表示轮对是高速动车组的关键组成部件其可靠性对保证车辆安全运行具有重要影响，并介绍了轮对非均匀损耗形式，引出所研究的对象凹磨磨耗形式，随后指出凹磨演化经典模型存在的问题。随后介绍了提出的新的轮对磨耗退化可靠性模型，介绍了可靠性建模的关键问题，表示将会使用层次贝叶斯模型进行磨耗预测，同时，为了满足轮对多元退化的需求，提出了一种名为条件二元伽马过程的模型对轮对磨耗进行预测，并详细介绍了其构造过程、结构特点、模型优点、相关系数的求解。随后介绍了失效时间建模，表示轮对磨耗导致的失效主要体现为轮缘厚度不达标和轮径差超限，分别给出了两种失效在贝叶斯框架下其边缘概率密度函数。接着，介绍基于“保续回归”和“单调厄密特插值”的异常数据修正方法，并通过从无异常原始数据中随机选取30个序列对方法进行了检验。最后，从踏面磨耗模型检验、轮径影响分析、失效时间预测这三个方面对结果进行了分析，检验了所提出的新方法。

        最后，黄洪钟老师对大会报告做了总结，并针对大家的汇报规范、时间纪律、生活习惯、学习精神作了指导教育，为学期第一次学术汇报画上了完美的句号。

        在每位汇报人做完汇报后，各位老师针对每位汇报人的汇报内容提出了宝贵意见、精准批评和专业指导，同学们积极发言，师生之间相互交流探讨，对报告内容给予了肯定。

        至此，第344期工程可靠性论坛在热烈的掌声中圆满结束。