报告题目：风电装备的可解释智能诊断
报 告 人：金晓航 教授/博导
报告时间：2026年8月28日（周五），下午17: 00-18:00
报告地点：明志楼B504
报告人简介：金晓航，浙江工业大学教授、博士生导师。主要从事复杂机电装备的信号分析、可靠性评估、健康状态监测、故障诊断与预测、智能维护与控制，新一代人工智能技术及其应用、工业大数据分析等方面的研究。担任中国振动工程学会机械动力学专业委员会委员/副秘书长、中国自动化学会技术过程的故障诊断与安全性专业委员会委员、浙江省工程图学学会常务理事、浙江省振动工程学会理事、IEEE PHM/NCAA国际会议技术委员会委员，《振动工程学报》青年编委等。主持国家重点研发计划、国家自然科学基金面上项目，浙江省自然科学基金重点项目等科研项目10多项。发表国内外学术论文100多篇，其中ESI高被引论文4篇，IEEE汇刊期刊论文30篇、领跑者5000-中国精品科技期刊顶尖学术论文（F5000）1篇。授权发明专利10多项。入选中国知网高被引学者Top1%、“全球前2%科学家榜单”（World’s Top 2% Scientists）。
报告内容摘要：随着全球清洁能源转型的持续推进，风电装机容量快速增长，如何保障风电机组在复杂、动态环境下的运行安全可靠与高效发电，已成为风电行业亟待解决的关键技术问题。近年来，故障预测与健康管理（PHM）技术作为一种提高装备运行可靠性的智能运维手段，受到了广泛关注。随着传感器、物联网、“互联网+”、云计算、新一代人工智能等科学技术的发展与应用，风电行业积累了海量数据的同时推动着风电机组PHM进入了工业大数据时代。结合装备的功能作用、结构组成和工作特点，分析装备大数据进行价值挖掘、信息提取进而实现装备的状态监测、异常预警、故障诊断、寿命预测、智能维护等工作十分迫切。以大型风电机组为例，从工业大数据角度对其PHM技术进行探讨分析，从先验知识引导、结构信息嵌入、物理信息融合等方面报告风电机组的可解释故障诊断等内容。
主办单位：机电工程学院
成都市机械工程学会
石油天然气装备教育部重点实验室
科学技术发展研究院
