设备在线故障诊断

将物理拓扑映射为超图先验，物理信息多任务网络 + 不确定性级联推断，复合故障诊断准确率 99.55%

针对航空发动机在不同飞行阶段中传感器数据差异大、模型容易把剩余寿命估得过长等难题，团队提出了一套能够消除工况变化干扰、重点抑制寿命高估的剩余使用寿命预测方法。该方法在由国际故障预测与健康管理学会（Prognostics and Health Management Society）主办的 2025 年北美故障预测与健康管理大会数据挑战赛（PHM North America 2025 Conference Data Challenge）中，以断层领先的预测精度夺得全球第一。

构建融合钢轨图像、时序波形与文本台账的大模型 Agent 诊断框架，实现钢轨波磨与复杂行车工况的自动化精细诊断，钢轨波磨视觉识别准确率达 96%。

变工况长生命周期诊断框架的产线落地：模具状态在线感知与故障诊断，应用于通用汽车、中信戴卡等企业

声学信号与物理机理融合的发动机/轴承异音在线检测与故障隔离，持有中美德三国专利

伺服电机是自动化产线的“关节”，其故障往往先以电流与振动信号中的微弱特征显现。团队沿“数字信号处理 + 专家规则 + 机器学习增强”的技术路线，从电机电流特征分析（Motor Current Signature Analysis，MCSA）起步，融合故障机理经验与强泛化分类器，实现电机在线监测与预测性维护，并正向大模型检索增强与表示学习的新一代诊断范式演进。该技术体系已服务数千台电机、覆盖数百个电机型号，在纸业、风电、PCB、精密成型等多个行业的产线现场规模化应用。

电梯是高层建筑里使用最频繁、最贴近人身安全的设备，但抖动、急停这类故障样本稀少，不同梯型与服役年限的信号差异又大，靠阈值和单一模型很难判准。团队把轿厢三轴加速度传感、智能视觉监测与监控平台连成一套在线系统，诊断内核采用注意力机制与多任务学习结合的双向长短期记忆网络（AT-MTL-BiLSTM），让模型自动聚焦故障前后的关键时段。在真实在役电梯的运行数据上验证，前后抖动、左右抖动与急停三类故障的准确率、召回率与 F1 均超 0.94。