2026年4月29日晚上七点，第三百七十二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欧阳铭蔚主持，郭舒文、鲁传来、邢磊、张禹睿4位研究生分别做学术汇报。

        论坛正式开始前，硕士研究生欧阳铭蔚首先做开场分享，汇报题为《交流架空输电线路表面电场计算模型优化方法》。报告围绕输电线路电晕防控与电场精确计算展开，系统阐述交流架空输电线路表面电场计算的工程意义，指出电晕放电易引发功率损耗、可听噪声、导线腐蚀等问题。报告对比了模拟电荷法（CSM）、有限元法（FEM）、边界元法（BEM）、矩量法（MoM）四类电场计算方法，重点围绕模拟电荷法开展模型优化研究：通过黄金分割法、遗传算法、粒子群优化等策略优化虚拟电荷数量与位置，提升计算精度；引入自适应交叉近似（ACA）矩阵压缩技术，大幅降低矩阵构建复杂度与计算时间。最终构建了基于CSM的高精度、高效率输电线路表面电场计算模型，为电晕抑制、电磁暴露评估与屏蔽方案设计提供理论基础与计算支撑。

        接下来，博士研究生郭舒文做了题为《先验引导的多任务不确定性加权原型网络，用于风电齿轮箱小样本故障诊断》的学术报告。报告针对工业场景标记故障数据稀缺的小样本学习难题，指出传统神经网络忽视物理先验、多任务静态权重调参繁琐等问题。为此，提出先验增强的多任务不确定性加权原型网络（PEMU-ProtoNet），基于随机森林提取30个时域、频域物理先验特征并完成重要性排序，构建共享编码器同步驱动分类任务与先验特征回归辅助任务；引入同方差不确定性自适应加权机制，实现多任务损失动态平衡，保障训练数值稳定性。基于北京交通大学风电齿轮箱数据集与实验室自测HDYD数据集的验证结果显示，在每类仅1个训练样本的极端小样本条件下，模型诊断准确率分别达到80.64%与82.17%，显著优于TFSSVM、WDCNN、RESCNN等多种基线方法，有效提升了小样本条件下故障诊断的精度与鲁棒性。

        随后，硕士研究生鲁传来做了题为《基于代理模型的轮对尺寸检测系统可靠性分析与优化》的学术报告。报告以铁路货车轮对尺寸动态检测系统（CC系统）为研究对象，针对系统在高温、强振动环境下数据采集系统失效概率偏高、难以满足高可靠性要求的问题开展研究。通过FMECA分析识别出成像质量差、无动作、参数漂移等关键故障模式，明确检测模组位移为核心诱因；建立承载结构热固耦合有限元模型，完成模型简化与边界条件设置，发现部分成像模组相对位移接近阈值；采用Kriging主动学习代理模型完成可靠性分析，当前结构失效概率为0.003881，不满足小于10⁻⁷的设计要求。基于SORA框架提出改进非精确解耦优化方法（ISORA），结合梯度复用、等效可靠度指标提升优化效率；更换9Cr2Mo新材料，以结构体积最小为目标、可靠性为约束开展单目标与多目标优化，优化后模组相对位移均小于0.02mm、相对角度小于0.2°，失效概率降至0，结构体积减少21.5%，兼顾可靠性、结构强度与轻量化需求，为轨道检测装备优化设计提供理论支撑。

        接着，硕士研究生邢磊做了题为《基于深度学习的风电齿轮箱小样本故障诊断方法研究》的学术报告。报告聚焦风电齿轮箱变转速、小样本双重工程难题，开展系统性研究。针对故障数据不平衡问题，提出物理感知生成自编码框架PIGAE，引入Gabor感知约束卷积层与频域、包络、能量一致性多视角损失函数，提升生成样本质量与故障特征表达能力；针对变转速工况干扰，提出角度域顺序一致时间卷积网络AOTCN，通过角域重采样与每转归一化消除转速波动影响，结合SE注意力机制强化域不变特征提取；针对变转速与小样本叠加场景下类别表征模糊问题，进一步提出基于注意力的多子原型对角高斯原型网络AMDGPN，以多子原型刻画故障多模态分布，用对角高斯分布显式建模特征不确定性，采用对称KL散度优化特征距离度量。在MCC5、HUST等多数据集上的实验表明，所提方法在变转速小样本条件下诊断精度与泛化性能显著优于传统方法，为风电装备智能故障诊断提供了完整技术方案。

        最后，硕士研究生张禹睿做了题为《基于耦合仿真的风电齿轮箱行星轮系故障诊断》的学术报告。报告围绕风电齿轮箱行星轮系实测故障数据稀缺、单域特征提取不全、跨域泛化能力弱等痛点展开研究。依托不确定性下风电齿轮箱数字孪生建模课题，采用SolidWorks完成行星轮系参数化建模与健康、缺损、磨损、根部裂纹、断齿五种典型故障精准植入，通过热力耦合仿真获取高质量故障数据，解决样本获取难题；构建FFTCNNTransformer复合网络，兼顾振动信号局部冲击特征与全局频率耦合信息，实现单工况下近100%诊断精度；针对仿真与实测数据分布差异导致的域偏移问题，引入DANN域对抗网络，通过梯度反转层实现域自适应，在25Hz、30Hz变转速跨域任务中分别实现84.36%、82.60%诊断准确率。研究形成“耦合仿真数据生成单域高精度诊断跨域泛化提升”的完整技术链条，为风电齿轮箱虚实结合智能故障诊断提供可行路径。