报告内容

 故障预测与健康管理（PHM）是可靠性工程的一个重要研究方向。随着传感器的大规模部署与大数据技术的日趋成熟，PHM在复杂工程系统中得到了愈加广泛的应用，同时也产生了显著的社会经济效益。PHM一般包括异常检测、故障诊断、健康评估、剩余可用寿命（RUL）预测等关键任务。以深度学习为代表的新一代人工智能方法对大数据环境下的PHM发展起到了核心推动作用。本报告以高铁关键子系统与核心零部件为例，介绍了实验室在PHM方法研究上的最新进展。这些新方法具备一定的通用性，可探索在航发PHM研究课题上的应用和发展。

主讲人简介

  李彦夫，清华大学工业工程系教授，清华大学质量与可靠性研究院执行副院长。2011-2016年任教于法国巴黎中央理工与高等电力学院。长期致力于系统可靠性、故障预测与健康管理(PHM)方法的研究，以及将其应用于高铁、电信、能源等系统，取得了一系列原创性学术成果。论文发表在《IEEE Transactions》系列、《ACM Transactions》等高水平期刊，总被引用3200余次，H-index = 32。国家特聘专家（青年），Elsevier 2019-2020年中国高被引学者，IEEE和IISE高级会员。主持国家自然科学基金重点项目、科技部国家重点研发计划课题等多个纵向项目，授权专利5项，主持编写国家标准1项（报批），与华为、京东等头部企业开展长期合作研究，获得了较为明显的社会经济效益。担任可靠性旗舰期刊《IEEE Transactions on Reliability》副主编、《IEEE Transactions on Industrial Informatics》、《Reliability Engineering & Systems Safety》客座编辑、中国系统工程学会系统可靠性专委会副主任委员、多个知名国际会议联合主席、中国质量奖评审专家。