报告题目：数字孪生驱动的传动系统寿命预测与健康管理研究

报 告 人：冯珂 帝国理工&布鲁奈尔大学 玛丽居里研究员

报告时间：2023年4月4日下午14:30-16:30

报告地点：机械楼402

报告对象：机械学院本科生和研究生及相关老师

主办单位：机械工程学院

报告摘要: 齿轮传动系统被广泛应用于航空航天、风力发电以及智能制造等关键核心领域。磨损疲劳是由于啮合齿面的滚动与滑动行为引起的。齿轮传动系统服役运行期间，啮合齿面的滚滑行为一直存在，致使疲劳磨损存在于整个齿轮传动系统的服役周期中。磨损疲劳的持续发展将会导致齿根裂纹、齿面碎裂以及断齿缺齿等严重故障，这些严重的故障将会导致齿轮传动系统突然停机，并引起重大的经济损失，甚至造成严重的灾难。因此，针对磨损疲劳引起的齿轮传动系统性能退化进行相应的状态监测以及寿命预测至关重要。近年来，数字孪生技术(DT)因其独特的优势已引起了工业界与学术界的广泛关注。然而，由于齿轮箱复杂精密的结构，以及复杂多变的工作运行环境，致使基于数字孪生技术的齿轮磨损监测与性能评估的相关研究较为缺乏。此外，现有的数字孪生方法存在着无法精确表征齿轮箱详细接触状态以及退化进程的局限，但是这些详细的退化状态信息对于齿轮磨损监测和健康管理具有重要价值。针对上述问题，冯珂博士在研究工作中提出了一种系统化且实用的数字孪生技术，用于齿轮磨损监测和齿轮传动系统健康管理。具体而言，该技术包括：基于实测数据的数字孪生模型搭建、孪生模型与实际物理测量的实时交互以及齿轮磨损进展下的齿轮箱剩余寿命(RUL)预测。

报告人简介：冯珂，玛丽居里学者（帝国理工&布鲁奈尔大学），Vebleo Fellow。冯博士毕业于澳大利亚新南威尔士大学Robert Randall教授课题组。先后于英属哥伦比亚大学、新加坡国立大学从事博士后研究工作。主要从事基础设施及旋转设备状态监测、数字孪生、信号处理、疲劳分析和机械动力学等方面研究工作，在该领域发表一区Top期刊论文30余篇。目前担任IEEE Transactions on Instrumentation and Measurement、IEEE Transactions on Industrial Cyber-Physical Systems、Mechanical Systems and Signal Processing、Engineering Applications of Artificial Intelligence、Measurement Science and Technology等多个Top期刊编委以及客座编委。2023年被Measurement and Science and Technology评定为Emerging leader。