2026年10月13日晚,第三百八十三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。
.png)
本次论坛由赵旺超主持,张志嘉、邓哲、黄梓幸分别作学术报告。
在学术报告前,首先由主持人赵旺超向大家分享了题为《小样本数据增强方法研究与工业缺陷检测应用》的报告。报告针对工业表面缺陷检测中缺陷样本稀缺、标注成本高昂、小目标与细微缺陷漏检率偏高的痛点,提出一种 "传统几何增强+改进生成对抗网络" 的两阶段数据增强策略。第一阶段采用旋转翻转、亮度对比度调整、随机裁剪与高斯加噪等常规手段,快速扩充样本规模以缓解过拟合;第二阶段以DCGAN为基础做三项关键改造:引入高效局部注意力机制使生成器自动聚焦缺陷区域、抑制背景纹理干扰;将判别器末层由交叉熵损失替换为最小二乘损失,缓解收敛阶段梯度消失、稳定训练过程;对判别器权重施加谱归一化以约束Lipschitz常数,从根本上避免模式坍塌、保证生成样本形态多样。消融实验表明三项改进各自有效,组合后生成样本的保真度与多样性明显提升,并使下游缺陷检测模型在小目标识别上的泛化能力得到改善。
.png)
接着,博士研究生张志嘉分享了题为《基于条件变分的多保真度图神经网络模型研究》的报告。报告面向变参数结构在几何与载荷变化下的全场应力预测问题,针对高保真有限元计算成本高昂、小样本下全局趋势与局部精度难以兼顾的矛盾,提出一种融合条件变分信息瓶颈的多保真图神经网络方法。方法以MeshGraphNet的"编码—消息传递—解码"结构为骨架,将粗网格低保真应力场直接映射至高保真节点作为直连基底,另设差异预测分支学习两级响应之差;并在差异分支中引入随机潜变量、以几何与边界信息为条件的先验分布,通过KL散度正则约束表示学习,迫使网络提取与应力预测最相关的共性特征、抑制冗余噪声。在参数化单孔板算例上,该模型相比朴素多保真图网络显著降低全场预测误差,并与POD-GP、GAR等传统代理方法在不同训练预算下系统对照;分析指出孔边应力集中区与训练样本子空间之外的分量是网络误差主要来源,后续将向多孔板结构与可靠性分析场景扩展。
.png)
然后,博士研究生邓哲分享了题为《基于AK-SS的百米级臂架系统可靠性评估》的报告。报告以百米级高空作业车伸缩臂架为工程对象,开展基于主动学习Kriging耦合子集模拟(AK-co-SS)的系统可靠性评估。百米臂架因大细长比呈现显著几何非线性,同时受壁厚、工作载荷、风压等多源随机因素影响,失效后果严重,且小失效概率下直接蒙特卡洛模拟代价过高。报告先介绍Kriging代理模型可同时输出预测均值与方差的特性,以及U、EFF、H三类经典学习函数在极限状态面附近主动加点的机制;再阐述子集模拟通过MCMC将小失效概率分解为一系列中间失效事件条件概率乘积的思路,并说明AK-co-SS如何在每个中间失效层内利用MCMC候选样本迭代更新代理模型。通过复杂失效域、小失效概率和多变量三个数值算例验证后,工程案例综合强度、刚度与屈曲三类失效模式,结果表明AK-co-SS以明显更少的有限元调用次数获得了与高保真基准吻合更好的失效概率估计,效率优于传统AK-MCS方法。
.png)
最后,博士研究生黄梓幸分享了题为《复杂监测条件下数据驱动的轴承剩余使用寿命预测方法研究》的报告。报告以反应堆控制棒驱动机构四点接触球轴承为对象,面向磨损主导、载荷—游隙耦合、监测不完备的工程难点,构建"健康表征—区间预测—跨工况迁移—在线推断"递进式的数据驱动剩余寿命预测方法体系。全文围绕四类复杂监测条件逐层展开:针对噪声与异常值叠加,提出趋势调节的动态异常判别与一致性—增量互补的自适应特征融合,构建稳健连续的健康指标;针对时变工况下预测波动,采用时频图像与特征序列双流回归,并通过残差尺度收缩与有符号残差非对称共形校准构造寿命预测区间;针对跨工况分布偏移,设计可学习Morlet前端与趋势—周期—物理三分支表征,配合共享—特有特征分解与阶段原型迁移;针对目标域标签缺失,引入稀疏游隙端点物理约束,建立解析退化过程与神经速率学习过程的协同建模,并以过程级Wasserstein距离实现无标签在线融合。实验在加速寿命试验平台与公开数据集上验证了各环节的有效性。
.png)
报告结束后,在场师生与两位汇报人就报告中的模型构建、工程应用难点、故障诊断实现路径等问题展开热烈交流,现场学术研讨氛围浓厚。
工程可靠性论坛作为研究所常态化学术交流平台,持续聚焦装备可靠性、故障诊断、智能算法等领域前沿问题,助力师生拓宽科研视野,促进不同研究方向之间的交叉融合,推动相关方向科研工作进一步发展。