01个人简历

常元洪，工学博士，硕士生导师，福建省太赫兹功能器件与智能传感重点实验室精密仪器与智能测控研究团队成员。现任福州大学机械工程及自动化学院校聘副研究员。长期从事智能故障诊断、重大装备运行监测及故障预示、运载装备运行可靠性与安全维护、基于深度学习的大数据分析与挖掘等领域的研究。在MSSP、RESS、IEEE IoTJ等国内外高水平期刊上发表论文20余篇，其中以第一作者发表SCI/EI论文13篇，已获授权专利1项。主持或参与国家自然科学基金项目、国家重点研发计划项目等项目9项。担任世界交通运输大会安全与应急学部青年技术委员，《Symmetry》期刊“Intelligent Fault Diagnosis for Rotating Machinery: Leveraging Symmetry”特刊客座编辑及十余个国际高水平期刊特邀审稿人。

个人主页：https://jxxy.fzu.edu.cn/info/1367/10821.htm

02亮点工作

研究工作主要面向航空航天发动机、高速列车、船载天线、特种设备等高端复杂机电装备，针对其关键传动零部件开展基于数据驱动的健康状态检监测、故障智能诊断、剩余使用寿命预测等方法研究，为提升我国高端复杂装备的可靠性与智能化水平提供理论指导与技术支持，具有重要的学术研究意义和工程应用价值。

亮点工作1

针对液体HJ发动机异常样本极少且实际可能发生的异常复杂多样的问题，提出了多源数据驱动液体HJ异常状态检测方法，实现了无故障样本下液体HJ发动机关键传动部件运行健康状态的识别。该成果发表在IEEE Internet of Things Journal（2024，11（13）：23577-23591）。

亮点工作2

针对不同工况条件下高速列车转向架传动部件健康状态特征发生显著变化导致诊断模型泛化能力不足问题，提出了一种基于多头图注意机制的域对抗学习网络用于长尾分布下转向架故障智能识别，有效强化了诊断模型对多工况目标域数据的分布匹配效果。该成果已发表在Mechanical Systems and Signal Processing（2023，199：110462）。

亮点工作3

针对航空发动机全寿命周期实测数据样本量较少导致剩余使用寿命预测预测精度低的问题，提出了基于时间流自编码模型的智能RUL预测方法，实现航空发动机RUL的高精度智能预测，为发动机维修管理提供决策依据。该成果发表在Reliability Engineering & System Safety（2022，226：108701）。

03代表性成果

主持项目：

[1] 国家自然科学基金青年C类项目：长尾分布下图知识驱动转向架关键旋转部件故障检测与识别方法研究

[2] 福建省创新青年科学基金项目：长尾分布下图数据驱动船载天线关键传动部件故障检测与诊断方法研究

[3] 福州大学引进人才科研启动项目：类不平衡样本下变工况运行转向架关键部件故障智能诊断方法研究

[4] 宁德师范学院开放课题：基于数据驱动的康复老人心电信号特征智能分析方法研究

代表性论文：

[1] Chang YH, Chen JL, Qu C, Pan TY. Intelligent fault diagnosis of Wind Turbines via a Deep Learning Network Using Parallel Convolution Layers with Multi-Scale Kernels[J], Renewable Energy, 2020, 153:205-213.（SCI；IF=8.7；中科院一区TOP）

[2] Chang YH, Chen JL, Wu WY, et al. Intelligent Fault Quantitative Identification for Industrial Internet of Things (IIoT) via A Novel Deep Dual Reinforcement Learning Model Accompanied With Insufficient Samples[J], IEEE Internet of Things Journal, 2022, 9(20): 19811-19822.（SCI；IF=10.6；中科院一区TOP）

[3] Chang YH, Li FD, Chen JL, et al. Efficient temporal flow Transformer accompanied with multi-head probsparse self-attention mechanism for remaining useful life prognostics[J], Reliability Engineering & System Safety, 226: 108701, 2022.（SCI；IF=8.1；中科院一区TOP）

[4] Chang YH, Chen JL, Zheng WG, He SL. Triplet adversarial learning-driven graph architecture search network augmented with probsparse-attention mechanism for fault diagnosis under Few-shot & Domain-shift[J], Mechanical Systems and Signal Processing, 2023, 199: 110462, 2023.（SCI；IF=8.4；中科院一区TOP）

[5] Chang YH, Chen JL, Su R, et al. Two-Phase Dual-Adversarial Agents With Multivariate Information for Unsupervised Anomaly Detection of IIoT-Edge Devices[J]. IEEE Internet of Things Journal, 2024, 11(13): 23577-23591.（SCI；IF=10.6；中科院一区TOP）