因果驱动的复杂系统故障诊断方法研究

因果理论是提升复杂系统故障诊断模型可解释性、泛化性、鲁棒性的重要手段，是达到可信故障诊断的关键途径之一。本报告从可信故障诊断建模方法研究现状和因果理论介绍出发，详细介绍因果理论与机器学习深度融合方法与故障诊断应用，主要包括基于因果关系网络的信息融合与系统状态表征构建方法、基于时空因果信息的注意力机制设计及寿命预测、基于因果攻击对抗的鲁棒故障诊断建模方法、基于因果解耦表征的系统状态特征构建方法等，并给出以上方法在机电产品故障诊断中的应用案例。

报告人简介：

刘杰，副教授，博士生导师，现就职于北京航空航天大学可靠性与系统工程学院。分别于2009年和2012年获得北京航空航天大学中法工程师学院学士和硕士学位，2015年获得巴黎萨克雷大学博士学位。主要研究方向为复杂系统可信赖状态监测、故障诊断、寿命预测和健康管理，在相关领域共发表SCI论文50余篇，2022-2024连续入选斯坦福大学前2%顶尖科学家年度榜单，获得国家级教学成果二等奖、GF科技进步一等奖、中国航空学会科学技术奖二等奖。现担任中国系统工程学会可靠性工程专业委员会理事、中国人工智能学会不确定人工智能专委会委员、SCI期刊Journalof Risk and Reliability编委、Reliability Engineering & System Safety客座编辑。

时间:2025年5月20日 14:30

地点：机电与车辆工程学院3楼会议室