研究方向概述

本团队围绕机械系统全生命周期的动力学特性分析、状态监测、故障诊断与智能控制等核心问题，以转子系统、旋转机械、机器人及机械臂、电磁轴承等为典型研究对象，综合运用转子动力学、有限元方法、数字信号处理、非线性动力学、人工智能、计算机视觉、大语言模型、控制理论与声学等多学科理论与技术手段，形成了涵盖“动力学建模—故障诊断—智能控制—振动噪声控制—智能诊断—视觉诊断”六个方向的系统性研究体系。各方向相互支撑、协同递进：动力学建模为故障诊断与控制提供机理基础，故障诊断与振动噪声分析为智能控制与运维决策提供状态信息，大模型与视觉诊断则代表本团队面向智能化前沿的拓展方向。整体研究贯穿机械系统从设计、制造、运行到运维的整个生命周期，致力于为高端装备的安全可靠运行与智能化运维提供理论支撑与技术保障。

（1）转子系统动力学建模

基于转子动力学理论、有限元建模、模态试验以及多源信息在线监测等技术，从健康转子系统和故障转子系统的固有特性、运行状态和动力学响应等方面建立系统性的转子系统动力学建模方法体系。主要研究对象包括健康转子系统以及存在转定子碰摩、转子不对中、转轴裂纹、基座松动等故障的转子系统，侧重于转子系统动力学建模、故障建模、动力学响应分析、故障特征提取与故障初期诊断评价，涉及机械、数学、力学等相关学科，实现面向转子系统设计、制造、运行到运维整个生命周期的动力学特性分析、故障建模、故障特征提取与故障初期诊断评价。

（2）机械系统故障诊断

基于状态监测、数字信号处理、非线性动力学分析、大数据分析以及数字孪生建模等技术，从故障机械系统的运行状态、信号特征和退化规律等方面建立系统性的故障诊断方法体系。主要研究故障机械系统的状态监测及故障诊断、数字信号处理基础研究以及非线性动力学特性，侧重于旋转机械系统以及故障诊断方法等，涉及机械、数学、信号处理等相关学科，实现面向旋转机械系统设计、制造、运行到运维整个生命周期的状态监测、故障诊断与健康评价。

（3）机械系统智能控制

本研究以机器人与机械臂及电磁轴承为对象，围绕控制方法与理论、PLC控制、电磁控制器等关键技术，从机械系统的运行稳定性、控制响应和耦合特性等方面，构建系统性的智能控制方法体系。研究重点在于机械系统如何借助外在控制力保持运行稳定性，侧重控制方法与理论（PLC）、电磁控制器及速度规划等内容，并涉及机械、控制、机器人运动/动力学分析等相关学科，最终实现面向机械系统生命周期的稳定性控制、容错控制与运行评价。

(4) 机械系统振动噪声与控制

基于动力学、声学以及振动噪声测试测量等技术，从机械系统在激励作用下的动力学响应、噪声空间分布和声振耦合特性等方面建立系统性的振动噪声分析与控制方法体系。主要研究机械系统在激励作用下的动力学响应以及噪声空间分布情况，侧重于动力学与声场耦合建模、声源控制理论、声场分布模型等，涉及机械、数学、力学、声学等相关学科，实现面向机械系统设计、制造、运行到运维整个生命周期的振动噪声测试、声源识别与控制评价。

(5) 机械系统图像识别与视觉诊断

基于图像识别、计算机视觉等技术，从机械零部件的表面缺陷、裂纹磨损等方面建立系统性的视觉诊断方法体系。主要研究图像识别、计算机视觉在机械系统状态监测与故障诊断中的应用，侧重于零部件表面缺陷识别、裂纹与磨损检测视觉特征提取等，涉及机械、人工智能、计算机视觉、图像处理等相关学科，实现面向机械系统全生命周期的缺陷识别、视觉状态监测与故障诊断评价。

(6) 基于大模型的机械系统故障诊断

基于大语言模型、多模态大模型、知识图谱、故障文本挖掘以及多源信息融合推理等技术，从故障机械系统的文本记录、维修日志、振动信号和频谱图像等方面建立系统性的智能故障诊断方法体系。主要研究大语言模型、多模态大模型在机械系统故障诊断中的应用，侧重于故障文本、维修日志、振动信号、频谱图像等多源信息的语义理解与融合推理，涉及机械、人工智能、自然语言处理、信号处理等相关学科，实现面向机械系统全生命周期的故障问答、诊断报告生成、维修决策支持与少样本/零样本故障诊断评价。