近日，我院机械工程专业博士研究生于钰隆在深水防喷器电控系统交互故障诊断方法研究方面取得重要进展，相关研究成果以题为《A multichannel feature-interaction image-based method for interactive fault diagnosis》的论文发表在国际权威期刊《Mechanical Systems and Signal Processing》上。该期刊是机械系统与信号处理领域国际权威期刊，目前影响因子为10.2。论文第一作者为博士研究生于钰隆，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。该研究得到了国家自然科学基金项目资助。
论文首页
深水防喷器电控系统是保障深水钻井井控安全的重要组成部分，其故障诊断技术对提升海洋油气装备运行可靠性具有重要意义。然而，随着系统复杂程度不断提高，多变量之间的耦合作用容易导致故障特征相互混合，使不同故障模式之间边界模糊，传统依赖单一时序特征表示的方法难以充分挖掘故障变量之间的交互关系，进而影响复杂故障场景下的诊断精度。针对这一问题，论文提出了一种基于多通道特征交互图像的交互故障诊断方法，构建了特征交互表征与深度智能识别相结合的诊断框架。该方法通过提取多变量时序信号中的相关性、动态变化关系及时序特征信息，构建具有多维交互特征的图像化表示，并结合Res2Net与高效空间通道注意力机制增强故障特征提取能力，实现复杂交互故障模式的准确识别。以深水防喷器电控系统为对象进行验证，结果表明，所提方法能够有效提升交互故障特征的可分离性，提高深水防喷器电控系统交互故障诊断的准确性。
所提深水防喷器电控系统交互故障诊断方法框架
论文链接：https://doi.org/10.1016/j.oceaneng.2026.126144
