近日，我院机械工程专业博士研究生邵筱焱在海洋油气装备故障预测方向取得重要进展，相关研究成果《人工智能增强的工业不完全信息故障预测方法》（Artificial intelligence enhanced fault prediction with industrial incomplete information）发表在《Mechanical Systems and Signal Processing》。《Mechanical Systems and Signal Processing》是机械工程领域的国际顶级期刊，目前影响因子为7.9。论文第一作者为博士研究生邵筱焱，通讯作者为蔡宝平教授，中国石油大学（华东）为第一署名单位和唯一通讯单位。该研究得到国家重点研发计划、国家自然科学基金、工信部高技术船舶科研项目专题、山东省杰出青年基金以及“泰山学者”青年专家计划的联合资助。
论文首页
随着传感器和信息技术的快速发展，工业设备的故障预测变得越来越可行。然而，准确的故障预测在很大程度上取决于监测数据的完整性。数据采集和存储技术的局限性导致数据不完整和缺失，使得预测模型的准确性降低。为了应对这一挑战，本文介绍了一种利用人工智能的新型数据增强故障预测方法。
基于不完备数据的故障预测方法
该方法通过动态贝叶斯网络将不完整数据与不确定信息相结合，开发了一种补偿数据完整性问题和最小化预测误差的新方法，将增强的数据用于长期性能预测，极大提升了故障预测精度。所开发的模型整合了参数不确定性分析、灵敏度分析和动态范围分析，在预测性能上展现出卓越的适应性。
论文链接：https://doi.org/10.1016/j.ymssp.2024.112063
