本网讯 近日，国际期刊《Renewable and Sustainable Energy Reviews》（中科院1区Top，IF: 16.3）、《IEEE Internet of Things Journal》（中科院1区Top，IF: 8.9）、《Mechanical Systems and Signal Processing》（中科院1区Top，IF: 8.9）、《Physics of Fluids》（中科院2区，IF: 4.3）、《IEEE Transactions on Instrumentation and Measurement》（中科院2区，IF: 5.9）连续刊发我院李庆副教授团队在机电装备故障诊断与健康运维的最新科研成果。
《Physics-informed failure mechanism for hydraulic pumps: state-of-the-art review, challenges and trends》论文：从液压泵系统故障演化过程与失效物理规律出发，系统梳理和总结了物理信息失效机制在液压泵故障演化机理、故障诊断与健康运维等领域的研究进展。重点阐述了材料特性、摩擦界面微观演化及内激励下宏观摩擦行为引发的液压泵失效机制，同时探讨单激励、多激励及内外混合激励与极端工况下的液压泵系统失效机制，为液压泵系统智能故障诊断、智能维护决策及精准健康管理提供新的研究方向。论文第一作者为李庆副教授，24级硕士生许浩与河海大学陈翔博士参与论文研究。
《New generative end-to-end RUL prognostics of bearings based on pretrained conditional temporal diffusion network》论文：针对传统旋转机械的剩余使用寿命(RUL)数据分布不均衡、样本量有限、生成式模型的模式崩溃等瓶颈问题，提出一种生成式端到端预训练条件时间扩散网络的轴承剩余使用寿命预测方法。模型训练过程围绕“RUL比率标签设计、Min-Max归一化处理、预训练条件编码器模块训练、扩散模型(增强 1D U-Net残差块)训练与差异化损失函数优化”五阶段展开，结合轴承退化物理先验的条件注入与反向去噪迭代优化，完成轴承退化过程的剩余使用寿命精准预测。论文第一作者为李庆副教授，23级硕士生孙强与24级硕士生许浩参与论文研究。
《Fractional quaternion central difference Kalman filter with random walk motion for deterioration prognosis of rolling bearing with multiple jump outliers》论文：由于旋转机械装备服役退化缓变过程的非线性、多跳变以及尖峰厚尾分布特性，传统物理基与数据驱动方法难以精准捕捉上述退化特征，导致装备的剩余寿命(RUL)预测稳健性差。提出一种融合随机游走的分数阶四元数中心差分卡尔曼滤波新方法，同时引入自适应Levy飞行策略，且考虑了多通道退化数据的时空耦合关系，在不增加系统差分阶数的前提下降低线性化误差，最后结合Daniel检验、改进Z-Score方法与庞加莱截面检测多跳变异常值，可准确预测装备服役退化趋势。两套案例结果证明该方法可显著提升模型对复杂分布数据的适配性与鲁棒性。该方法可为旋转机械装备健康运维在小样本自适应预测、容错控制与工业复杂环境的模型泛化能力提升提供良好的理论基础。李庆副教授为论文唯一作者。
《Impact energy evolution and blades cavitation prediction of the liquid-ring vacuum pump under a time-varying shock scenario》论文：叶片汽蚀损伤是水环真空泵系统的头号慢性“心脏病”。然而，在时变冲击工况下，现有模型未考虑水环真空泵的压力脉动与冲击影响、难以准确预测泵叶片空化及冲击能量演化的问题。基于Rayleigh-Plesset (RP) 方程与对称α-稳态(SαS)分布，构建了融合时变冲击的水环真空泵气泡演化、冲击能量及空化预测耦合模型。通过数值模拟对比时变冲击与稳态流场工况，揭示了气泡生成-生长-溃灭的能量演化规律及空化区域分布特征，验证了时变冲击对水环真空泵的空化与能量演化的影响机制。研究可为极端工况下液压泵系统的机械设计、服役退化健康监测与故障诊断提供理论支撑。李庆副教授为论文唯一作者。
《Short-term photovoltaic power prediction based on FCformer-BiTCN method》论文：面向光伏阵列功率数据的不确定性、随机波动及噪声干扰问题，构建了一种融合傅里叶卷积的双向时间卷积网络(FCformer-BiTCN)的光伏阵列功率预测方法。采用蜘蛛蜂方法优化的Savitzky-Golay与小波阈值双滤波方法自适应平滑数据并去除噪声；设计FC网络融合FFT与残差连接，提取光伏阵列功率数据的时频混合特征；基于增强Informer的 ProbSparse 自注意力机制与编码器的蒸馏层完成时频特征维度压缩；通过双向扩张因果卷积对输入序列进行双向扫描，捕捉光伏阵列数据的长程依赖关系，实现光伏阵列功率序列的短期预测。该研究可为电网仿真调度、光伏基站智能运维与故障预警提供理论依据。论文第一作者为2022级本科生丁立，李庆副教授为通讯作者，河海大学陈翔博士参与论文研究。
以上研究第一单位均为安徽农业大学，得到国家自然科学基金、安徽农业大学高层次人才引进项目与国家公派留学基金(CSC)项目的资助，部分文章内容得到杜伊斯堡-埃森大学Steven X. Ding教授与Chris Louen博士的指导与建议。（文图：李庆 初审：周国安 复审：权龙哲 终审：张立付）
论文链接：
https://authors.elsevier.com/a/1mHa04s9HwHWjX
https://www.sciencedirect.com/science/article/abs/pii/S088832702500545X
https://ieeexplore.ieee.org/document/11219037
https://pubs.aip.org/aip/pof/article-abstract/37/12/122113/3374206
https://ieeexplore.ieee.org/document/11271490
