近日，我校自动化学院吴云凯老师在国际工业信息领域的顶级期刊IEEE Transactions on Industrial Informatics（影响因子11.7，中科院一区）上发表论文《Data-Driven ToMFIR-Based Incipient Fault Detection and Estimation for High-Speed Rail Vehicle Suspension Systems》。
随着高铁技术的快速发展，列车悬挂系统的安全性和可靠性受到了广泛关注，早期故障的检测与估计对于保障高速列车的安全运行具有重要意义。作者提出了一种基于数据驱动的全局可测量故障信息残差(ToMFIR)的早期故障检测与估计方法，实现了对早期故障的高效检测和准确估计。主要创新点包括：消除了ToMFIR对系统模型的依赖，无需系统建模和参数识别步骤即可获得ToMFIR残差；基于数据驱动ToMFIR的早期故障检测和估计策略能提取更全面的系统故障信息，进一步提升对早期故障的敏感性。
进一步针对非线性高速列车悬挂系统的早期故障检测与隔离问题，吴云凯老师及其科研团队在国际智能交通领域顶级期刊IEEE Transactions on Intelligent Transportation Systems（影响因子7.9，中科院一区）上还发表了论文《T-S Fuzzy Data-Driven ToMFIR With Application to Incipient Fault Detection and Isolation for High-Speed Rail Vehicle Suspension Systems》，结合T-S模糊动态模型，提出了一种非线性系统下基于数据驱动的ToMFIR残差方法。主要创新点包括：提出了基于数据驱动ToMFIR的通用稳定核表示，消除了原有理论中对解析模型的关键限制；在非线性系统中扩展数据驱动ToMFIR理论；提出的T-S模糊数据驱动ToMFIR对缓变早期故障和具有间歇特征的早期故障都具有较高的灵敏度。
上述两项研究工作均得到了国家自然科学基金-面上项目 (62173164) 和江苏省自然科学基金-面上项目(BK20201451)的支持。第二作者苏宇本硕阶段均就读于米博·体育,米博（中国）自动化学院，其硕士毕业论文2023年获校级优秀硕士论文，目前于上海大学攻读博士学位。上述两项研究的基础工作均源于自然科学基金项目拟定的研究方向、凝练的科学问题以及苏宇硕士研究生阶段的部分成果。上述成果的取得，体现了自动化学院高度重视自然科学基金申报、培育工作，以及全面提升研究生培养质量的扎实效果。
图1 数据驱动ToMFIR设计框图
图2 SIMPACK-MATLAB联合仿真
论文1链接：https://doi.org/10.1109/TII.2024.3456109
论文2链接：https://doi.org/10.1109/TITS.2024.3350918
（撰稿：吴云凯 初审：张静 二审：张驰 终审：毛晖 编辑：张静）
