2025年12月9日晚上七点，第三百五十九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，现已逐渐发展为我所师生定期汇报成果、交流思想的重要平台。论坛不仅为团队成员获取前沿知识、技术与方法提供了有效渠道，促进其不断完善知识体系、提升专业能力；也在思想碰撞中激发创新思路，助力攻克复杂问题、推动技术进步。此外，成员们借由分享经验与案例，相互启发，进一步强化了团队协作能力。该论坛在提升团队学术氛围、科研水平及内部凝聚力方面发挥了重要作用。

        本次论坛由硕士研究生麦嵒主持，博士研究生Amrit Dahal、ibrohim、Smaran Khanal分别做学术报告。

        在学术报告前，首先由主持人麦嵒向大家介绍了通信可靠性在复杂工程系统中的作用。指出在现代网络系统中，关注器件和模块已不足以反映真实失效风险，隐蔽的问题同样会导致任务失败。报告从三个层次系统梳理了通信可靠性的概念，阐明了如何由单帧失效率推导任务成功率，并结合工程案例，重点介绍了高可靠通信手段，最后探讨了通过识别关键报文、统计单帧失效率，将通信过程纳入系统可靠性评估框架，为高可靠测试与控制系统的设计提供了有益借鉴。

        然后，博士研究生Amrit Dahal分享了题为《Unsupervised Convolutional Transformer Autoencoder for Robust Health Indicator Construction and RUL Prediction in Rotating Machinery》的报告。汇报围绕旋转机械健康指标构建与剩余寿命预测展开。报告首先从工业装备故障风险和预测性维护需求出发，介绍了PHM在降低停机损失、提升安全性中的关键作用，并指出传统数据驱动方法难以刻画复杂、多传感器时序信号的层次特征和长时依赖关系。针对上述问题，报告提出了一种基于卷积Vision Transformer的无监督自编码框架HCVT-WD，将轴承多传感器振动数据自动压缩为可解释的健康指标，并结合MC Dropout实现RUL预测的不确定性量化，同时利用CNN-BiLSTM完成健康指标到剩余寿命的映射。在XJTU-SY轴承实验平台上的结果表明，该方法在健康指标质量、寿命预测精度及噪声环境下的鲁棒性方面均优于现有方法，为旋转机械的状态监测与智能维护提供了新的技术途径。

        接着，博士研究生Smaran Khanal分享了题为《Transfer Fault Prognosis via Multi-Source Domain-Adaptive Graph Attention Network (MS-DAGAT)》的报告。指出在实际工业场景中，不同工况、不同设备和不同布置方式导致“域偏移”严重，传统在单一数据集上训练的深度学习模型在新工况下性能大幅下降。针对这一问题，作者将振动信号构造成时序图结构，引入图注意力网络来刻画轴承退化过程中的关键关联特征，并设计多源域对抗自适应机制，在多个源域与无标签目标域之间对齐特征分布。实验结果表明，MS-DAGAT在轴承剩余寿命预测精度、跨工况泛化能力以及对噪声与工况变化的鲁棒性方面均优于对比方法，为实际工程中的跨设备、跨工况故障迁移预测提供了一种有效思路。

        最后，博士研究生Ibrohim分享了题为《Physics-Guided Swin-KAN Transformer with Log Linear Filterbank Energy Features for Bearing RUL Prediction》的报告。报告针对滚动轴承剩余寿命预测中存在的特征表示不足、FPT检测与RUL预测特征不一致以及纯数据驱动模型缺乏物理约束等问题，提出基于线性滤波器组构造的三通道对数能量特征LLFE，并在同一特征域内统一完成健康指标构建与首次预测时刻检测。进一步，Ibrohim设计了引入KAN模块和物理约束损失的Swin-Transformer框架PGSwin-KANT2，以KAN回归头替代传统MLP，并通过单调性等物理先验约束RUL轨迹。基于XJTU-SY轴承数据集的大量对比与消融实验表明，该方法在预测精度、鲁棒性以及物理合理性方面均优于多种现有深度学习模型，为轴承RUL预测与PHM提供了一条具有物理指导的深度学习新路径。

        在每位汇报人完成汇报后，参会老师进行了评议，针对汇报内容提出了宝贵建议。同学们也积极参与互动，师生之间就报告内容展开了深入切磋与交流。老师们对同学们的研究成果给予了充分肯定。

        至此，第359期工程可靠性论坛在热烈的掌声中圆满结束。