本报讯 近日，上海电机学院电机智能诊断研究团队从多变换域和多源数据融合的视角出发，提出了一种新的电机轴承故障诊断框架。相关研究结果以“A Novel Framework for Motor Bearing Fault Diagnosis Based on Multi-transformation Domain and Multi-source Data”为题，发表在人工智能领域重要期刊Knowledge-Based Systems上。我校为论文第一单位，硕士研究生薛一鹏为论文第一作者，文传博老师、陈国初老师为共同作者。
通过这个框架，来自多源数据的特征在时域、频域和时频域中实现了提取和融合，以解决电机轴承故障诊断中的复杂挑战。
(电气学院)