空天学院刘治汶副研究员指导硕士生论文入选全球1%高被引用ESI优秀论文

　　机械故障初始阶段引起的振动通常为微弱振动信号，机械系统中大量干扰源的存在常使故障信号被湮没在强干扰等背景噪声中，因此如何突出故障特征信息，抑制背景噪声，提高信噪比成为机械故障诊断技术的关键所在。该论文研究了一种噪声利用方法——总体局部均值分解（Ensemble LMD，ELMD），克服了传统LMD在噪声情况下的模态混叠问题，能够更好地将旋转机械振动信号分解为一系列乘积函数（Production Function，PF）分量，通过快速谱峭度图（Fast Kurtogram，FK）来确定最能表征故障信号的PF分量故障特征信号的带通滤波器的最佳参数，达到消除信号中非平稳噪声干扰的目的。

　　该研究工作得到了国家自然科学民航联合基金和中央高校基本科研业务费专项资金资助的支持，为实现强噪声背景下机械早期微弱故障特征的精确定量提取提供了新的研究思路，且为强噪声复杂工况下航空发动机、直升机等传动系统关键部件（如：轴承、齿轮、行星齿轮等）安全服役状态的健康监测诊断提供全新且可行的研究途径，为实现航空装备从“定时维修”向“预知维修”转变，提升我国航空装备测试维护的自主创新能力奠定切实可行的理论支撑。得到了国家自然科学民航联合基金和中央高校基本科研业务费专项资金资助的支持。

　　图2 所提 ELMD-FK方法分析结果，(a) 峭度图，(b) 平方包络谱

　　王磊，空天科学与工程学院2015级硕士研究生，其主要研究内容为基于噪声利用的机械故障诊断方法。迄今为止，已在TOP期刊发表一作SCI论文2篇，其中一篇入选全球1%高被引用ESI优秀论文，曾获“罗麦杯”第二届中国研究生未来飞行器创新大赛优秀奖和二等奖，四川大学研究生未来飞行器设计大赛一等奖、四川大学优秀研究生和四川大学2018届优秀毕业研究生、2018年中国航天科技集团CASC二等奖学金等荣誉。

　　刘治汶，空天科学与工程学院副研究员，从事重大装备健康监测、诊断与预示技术。作为负责人承担国家自然科学民航联合基金、航空基金，中国博士后基金面上等项目。近五年发表第一/通讯SCI论文12篇（其中2篇SCI论文入选全球1%高被引用ESI优秀论文（单篇最高SCI他引102次），3篇Top期刊）；授权中国发明专利2项；协助培养研究生1人次获硕士研究生国家奖学金、1人次获罗麦科技一等奖学金、1人次获中国航天科技集团CASC二等奖学金。

• 上一篇：清华深圳研究生院回应博士论文造假：去年撤销学位
• 下一篇：硕博连读项目