近日，我校自動化學院吳云凱老師在國際工業信息領域的頂級期刊IEEE Transactions on Industrial Informatics（影響因子11.7，中科院一區）上發表論文《Data-Driven ToMFIR-Based Incipient Fault Detection and Estimation for High-Speed Rail Vehicle Suspension Systems》。

隨著高鐵技術的快速發展，列車懸掛系統的安全性和可靠性受到了廣泛關注，早期故障的檢測與估計對于保障高速列車的安全運行具有重要意義。作者提出了一種基于數據驅動的全局可測量故障信息殘差(ToMFIR)的早期故障檢測與估計方法，實現了對早期故障的高效檢測和準確估計。主要創新點包括：消除了ToMFIR對系統模型的依賴，無需系統建模和參數識別步驟即可獲得ToMFIR殘差；基于數據驅動ToMFIR的早期故障檢測和估計策略能提取更全面的系統故障信息，進一步提升對早期故障的敏感性。

進一步針對非線性高速列車懸掛系統的早期故障檢測與隔離問題，吳云凱老師及其科研團隊在國際智能交通領域頂級期刊IEEE Transactions on Intelligent Transportation Systems（影響因子7.9，中科院一區）上還發表了論文《T-S Fuzzy Data-Driven ToMFIR With Application to Incipient Fault Detection and Isolation for High-Speed Rail Vehicle Suspension Systems》，結合T-S模糊動態模型，提出了一種非線性系統下基于數據驅動的ToMFIR殘差方法。主要創新點包括：提出了基于數據驅動ToMFIR的通用穩定核表示，消除了原有理論中對解析模型的關鍵限制；在非線性系統中擴展數據驅動ToMFIR理論；提出的T-S模糊數據驅動ToMFIR對緩變早期故障和具有間歇特征的早期故障都具有較高的靈敏度。

上述兩項研究工作均得到了國家自然科學基金-面上項目 (62173164) 和江蘇省自然科學基金-面上項目(BK20201451)的支持。第二作者蘇宇本碩階段均就讀于江蘇科技大學自動化學院，其碩士畢業論文2023年獲校級優秀碩士論文，目前于上海大學攻讀博士學位。上述兩項研究的基礎工作均源于自然科學基金項目擬定的研究方向、凝練的科學問題以及蘇宇碩士研究生階段的部分成果。上述成果的取得，體現了自動化學院高度重視自然科學基金申報、培育工作，以及全面提升研究生培養質量的扎實效果。

圖1 數據驅動ToMFIR設計框圖

圖2 SIMPACK-MATLAB聯合仿真

論文1鏈接：https://doi.org/10.1109/TII.2024.3456109

論文2鏈接：https://doi.org/10.1109/TITS.2024.3350918

（撰稿：吳云凱 初審：張靜 二審：張馳 終審：毛暉 編輯：張靜）