【课题推荐发表期刊】

【课题背景】

在现代工业生产中，轴承作为关键部件，其故障诊断对于保障设备正常运行至关重要。然而，传统的轴承故障诊断方法往往存在局限性，难以有效挖掘多传感器数据中蕴含的时空关联特征。多传感器数据不仅包含丰富的信息，还存在复杂的时空依赖关系，传统方法无法充分利用这些关系进行精准诊断。

为解决这一问题，本课题将提出一种基于传感器时空图的智能诊断方法。通过构建动态时空异构图表征多模态传感器数据的时空依赖关系，并结合图神经网络(GNN)与时空注意力机制实现端到端故障分类。

【课题方向参考】

动态时空异构图建模：将振动、温度等多模态传感器数据映射为时空异构图，节点表示传感器特征，边编码时空相关性(如时间延迟互信息)。引入可学习邻接矩阵，自适应优化传感器节点间的连接权重。

【适合人群】

计算机相关专业，本科生和研究生均可。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

Dr. Xiao，C9高校机械工程博士

• 共发表3篇SCI国际期刊(均为中科院1区影响因子10以上的顶刊，引用量截至25年1月为700+)、发表1篇EI中文核心封面文章（引用量截至25年1月为300+）

• 授权国家发明专利授权4项（面向国家重点研发计划和企业实际需求）

• 主持国家自然科学基金委面上项目，校企联合项目等多项

• 已指导多名C9博士研究生、硕士研究生的开题、中期、SCIEI小论文发表、大论文撰写；其中一名C9博士获得校级毕业论文、两名硕士获得北京市优秀毕业论文

• 善于基于学生兴趣、特长和学科基础背景给出契合职业发展的学业研究思路和方向；能结合实际工业背景，基于人工智能技术，快速创新点构思，提出理论架构的同时解决实际工业问题

• 长期担任SCI一区TOP期刊审稿人，可提供部分期刊发表资源；可提供部分开放研究数据、开源代码并指导复现；可撰写推荐信；可提供课题基金申报指导、申博指导、海外高校申请指导；就业/实习机会推荐

【课题安排】

研究周期预估六个月左右，具体视学员情况调整。

【推荐阅读】

• 2025 The Bearing Multi-sensor Fault Diagnosis Method Based on a Multi-branch Parallel Perception Network and Feature Fusion Strategy

• 2025 Fault diagnoses of a nonlinear cracked rotor-bearing system based on vibration energy space and incremental learning approach