近日，我院机械工程学科博士研究生杨超在水下生产系统故障诊断方面取得重要进展，相关研究成果《数字孪生驱动的液压系统早期故障诊断方法》（Digital twin driven fault diagnosis method for early faults of hydraulic system）发表在《Engineering Applications of Artificial Intelligence》。《Engineering Applications of Artificial Intelligence》是机械工程领域的知名期刊，目前影响因子为9.0（SCI一区，TOP）。论文第一作者为博士研究生杨超，通讯作者为蔡宝平教授，WilliamHill中文官方网站为第一署名单位和唯一通讯单位，该研究得到国家自然科学基金和工业和信息化部高技术船舶研究项目等联合资助。
论文首页
水下生产系统是海洋油气开发的重要装备，长期在高压、低温和腐蚀环境中运行，故障发生率较高。水下生产系统的突发性故障不仅可能中断油气生产，还可能造成环境污染和经济损失。实时监测和故障诊断可有效识别异常，减少安全事故，提高系统维护效率，避免过度或不足维护导致的资源浪费和停机。提出了基于数字孪生的故障程度匹配模型及故障诊断方法，用于解决水下生产系统早期故障的故障程度变化大、故障特征差异明显导致的早期故障识别困难、诊断结果难以验证等问题。通过研究不同故障程度下的故障参数赋值方法，开发了多程度故障验证算法，精确验证了同一诊断结果下的不同故障程度，避免了因故障程度不匹配导致的误判，提升了早期故障的诊断准确度。
数字孪生驱动的水下生产系统长期稳定故障诊断方法
论文链接：https://www.sciencedirect.com/science/article/pii/S0952197626009711?pes=vor&utm_source=clarivate&getft_integrator=clarivate
