學院唐文濤教授研究團隊，在基于人工智能的電機故障診斷領域取得重要進展。研究成果“Bearing Fault Diagnosis Based on POA-VMD with GADF-Swin Transformer Transfer Learning Network”在國際著名學術期刊Measurement上發表。Measurement是ELSEVIER旗下的國際權威期刊，主要刊發故障診斷與儀器儀表等方面的最新進展和評論文章，為中科院SCI二區TOP期刊，最新影響因子為5.2。論文第一作者為2023級聯培研究生戴鑫與2021級聯培研究生易康，導師唐文濤教授和長江大學蔡昌新副教授為該文通訊作者。

該論文針對早期軸承故障信号所導緻的特征提取效果不佳與診斷精度不足等問題。提出了一種綜合POA-VMD與GADF-Swin Transformer網絡的複合軸承故障診斷方法。該方法針對傳統特征提取算法存在的參數選取問題，結合智能算法進行了改進。同時提出了一種新的複合信号篩選指标，有效的分離出噪聲分量與主導分量，能将特征提取算法與神經網絡進行有效結合，顯著提高診斷準确率與精度。通過Case Western Reserve University與Paderborn University軸承數據集進行實驗驗證，故障準确率分别為98.72%與98.87%。該成果的取得為電機故障綜合診斷平台的搭建奠定了非常好的基礎，也是新能源學院在人工智能研究領域取得的又一項重要成果。

williamhill威廉希尔官网緊密對接地方主導産業，積極服務當地企業，秉承課題從企業來成果到企業去的理念，持續開展學科交叉應用，積極拓展“人工智能+”方向，推動其在新能源管控及智能裝備等領域的應用。

論文鍊接：https://doi.org/10.1016/j.measurement.2024.11532