2026年8月19日-22日，2024级博士生魏晓康参加了在日本京都同志社大学举办的第9届机械制造与工业工程国际会议（MMIE 2026）并做口头汇报，以“A Tri-path Adaptive Time-Frequency Fusion Network for Few-Shot Rolling Bearing Fault Diagnosis”为主题进行了学术成果汇报。
魏晓康系统介绍了三路径自适应时频融合网络（Tri-AFTNet）的研究思路和实现方法。该方法以轴承局部故障触发的冲击、共振和调制三类物理表征为基础，构建三个具有不同感受野的并行特征提取路径，并通过物理先验驱动模块（PDDR）、路径交叉校准模块（PCR）和噪声稳定门控模块（NSG）实现多路径证据的交互与融合；随后利用轻量级时间因果空洞注意聚合模块（LTCAA）完成并行时序建模，避免循环网络带来的较高计算成本。在CWRU轴承数据集上，Tri-AFTNet的诊断准确率达到98.54%，较DLWCB、CNN-BiGRU、1D-CNN和PCA-SVM分别提高0.98%、4.98%、9.07%和15.82%。混淆矩阵和t-SNE结果进一步表明，各类故障特征具有较好的类内紧凑性和类间可分性。
在本次国际学术会议上，魏晓康汇报了面向小样本滚动轴承故障诊断的三路径物理先验建模与轻量化时序分析方法。在报告后的讨论环节，魏晓康与参会专家围绕模型在跨工况、跨设备迁移中的应用前景交换了意见。相关交流为后续面向故障类别不平衡、复杂工况的研究提供了参考。
魏晓康，机械工程专业2024级博士研究生，主要从事旋转机械部件智能故障诊断研究，导师为肖文生教授。
