近期，机械设备健康维护湖南省重点实验室“机电系统设计与智能控制”科技创新团队21级硕士生郭蒙宪在利用声振融合信号对内曲线径向马达柱塞磨损故障预测方向取得新进展，相关研究成果以“Research on Radial Rotor Plunger Wear Fault Monitoring Method by Fused Sound Vibration Signal Features”为题，发表在工程技术领域国际顶尖学术期刊《IEEE Sensors Journal》(中国科学院二区TOP，IF: 4.3，非开源)。该论文是在郭勇教授和彭延锋副教授联合指导下完成的部分研究成果。

论文首页

在高端机械液压系统中，内曲线径向柱塞马达作为执行元件，具有输出扭矩大和起动效率高等优点。受液压系统流量脉动影响，利用单信号特征识别内曲线径向柱塞马达故障准确率低、耗时长，严重制约了内曲线径向柱塞马达的故障诊断效率和可靠性。融合声音与振动信号特征，能够综合利用多种传感器采集的故障信息，充分发挥不同传感器的信息优势，实现多特征优势互补，提高特征数据包含的故障信息量，获得更加鲁棒和精确的故障识别结果。

本研究基于轻量提升决策树提出了LightGBM识别融合声振信号的马达柱塞磨损故障智能诊断方法。实验结果表明，相比于AdaBoost、GBDT和XGBoost模型，该模型的准确率、精确度、回归率和F1指标提高了1.35%-6.92%，且模型训练速度明显快于其他模型，证明了该模型的有效性。相关研究结论可为在液压系统流量脉动影响下的内曲线径向柱塞马达故障预测，提供一种可行方案，具有重要的工程实际意义。

该研究受到了国家自然科学基金（No. 52375092 和 No. 52275107）和湖南省教育厅科研基金（No. 23A0376 和 No. 23A0362）项目支持。据悉，郭蒙宪同学参与申报国家自然科学基金等科研项目，作为核心技术人员参与了长沙迪比蒙科技有限公司、华菱湘潭钢铁集团有限公司和中国航发湖南动力机械研究所等多项攻关项目，在论文发表、专利撰写、创新竞赛和工程测试等方面积累了较为丰富的经验。      （一审：郭勇  二审：汪志能 三审：沈意平）