本次机械制造与自动化控制期刊集群线上研讨会聚焦智能传感与机械健康管理领域的最新研究进展，围绕智能监测技术、故障诊断方法与设备健康管理等关键方向展开交流与探讨，系统呈现了机械系统在运行状态感知、性能评估与预测维护方面的发展趋势与应用潜力。

研讨会内容涵盖基于联邦学习的机械故障诊断方法研究、面向设备全寿命周期健康监测的优化理论与可解释建模方法，包含机械制造与自动化控制期刊集群的研究领域相关期刊介绍。本次讨论不仅展示了智能算法与先进建模方法在机械健康管理中的重要作用，也为推动机械系统智能运维与预测性维护的发展提供了新的思路与启示。

此次线上研讨会，我们非常荣幸地邀请到了清华大学机械工程系于耀翔博士、加拿大英属哥伦比亚大学严彤彤博士，以及MDPI出版专员陈怡歆博士共同带来精彩报告。欢迎大家积极参与，共同探讨智能制造与机械健康管理领域的未来发展。

会议信息

会议时间

2026年3月26日11:30-12:50

会议形式

线上会议

会议议程

11:30-11:50 | 于耀翔 博士

面向机械故障诊断的联邦学习框架研究

11:50-12:10 | 严彤彤 博士

设备全寿命周期健康监测的优化理论与可解释凸建模方法

12:10-12:30 | 陈怡歆 博士

MDPI机械制造与自动化控制期刊集群简介

12:30-12:50

提问交流环节

点击观看直播：https://9g0ug.xetlk.com/sl/3I1quY

主讲人

于耀翔 博士（清华大学机械工程系）

以第一/通讯作者在 IEEE Transactions on Industrial Electronics、Mechanical Systems and Signal Processing、《机械工程学报》等本领域国内外权威期刊上发表SCI论文15篇。参与制定预测性维护国家标准1项，入选2024年度中国科协青年人才托举工程博士生专项计划、2025年度斯坦福大学全球前2%顶尖科学家，获得2024年中国振动工程学会科学技术奖基础研究二等奖等奖励。

报告题目：面向机械故障诊断的联邦学习框架研究

报告简介：轨道交通车辆、风力发电机等机械装备通常在不同场景中运行，呈现分布式服役的特点，导致目前的故障诊断过程存在边缘设备容量有限、监测数据无法共享的挑战。联邦学习近年来常被用于处理此类数据孤岛问题，因此，建立数据非共享式的联邦协同交互诊断系统是实际工程领域的关键需求。报告人将介绍研究团队在特征交互式联邦学习和动态环境下的联邦类增量学习两方面开展的研究工作，探讨如何在保障数据隐私的前提下，提升机械故障诊断的精度与适应性。

严彤彤 博士（加拿大英属哥伦比亚大学）

2024年获上海交通大学博士学位。主要从事基于数据融合的设备全寿命周期性能退化优化理论与可解释建模方法研究。已发表SCI论文40余篇；出版Elsevier英文专著1部，参编ASME专著章节1章。现任 IEEE Transactions on Instrumentation and Measurement 副主编，并担任多本国际期刊客座编辑。

报告题目：设备全寿命周期健康监测的优化理论与可解释凸建模方法

报告简介：本报告聚焦近年来提出的面向设备全寿命健康监测的统一优化理论与基于数据融合的可解释建模方法。首先，引入了可分性、形状性、适应度、退化内距及退化间距等核心理论概念，建立了其数学定义与量化公式，为可解释优化建模提供理论基础；其次，构建了针对监测、诊断、评估与预测等不同任务的多性质退化评估优化模型。该类模型在理论上为凸优化，具有快速求解与全局最优特性，可输出可分离的故障特征、可解释的优化权重，以及符合退化规律的健康指数。在应用层面，发展了基于频谱融合与包络谱融合的可解释退化评估优化模型，实现状态监测、故障诊断和退化评估的多重目标；提出非线性融合与高维张量退化评估优化模型，实现二维时频图与多源异构传感数据的可解释非线性融合，为时变工况下设备状态监测与长期性能评估提供可解释解决方案。针对设备群体，提出了群体状态监测与性能评估一致性优化模型，形成跨设备、跨工况的一致阈值与广义健康指数，可输出个体设备的可解释故障特征权重与异常模式，并识别机队整体退化趋势，解决了多工况、多设备环境下设备群体健康管理的核心挑战。

陈怡歆 博士

MDPI出版专员

博士毕业于北京林业大学，现担任MDPI出版专员。主要职责是对期刊发展进行调研与数据分析，促进期刊与外部学者的交流合作，为学者提供优质的出版服务。

报告题目：MDPI机械制造与自动化控制期刊集群简介

• 相关文章推荐

MPC-Based Sensor Fault-Tolerant Control: Application to a Heat Exchanger with Measurement Noise

https://www.mdpi.com/2673-4052/6/3/48

Intelligent Fault Diagnosis Method for Spacecraft Fluid Loop Pumps Based on Multi-Neural Network Fusion Model

https://www.mdpi.com/2226-4310/12/11/1032

Design and Analysis of k-Connectivity Restoration Algorithms for Fault-Tolerant Drone Swarms in Harsh Civil Environments

https://www.mdpi.com/2504-446X/10/1/16

End-to-End Methodology for Predictive Maintenance Based on Fingerprint Routines and Anomaly Detection for Machine Tool Rotary Components

https://www.mdpi.com/2504-4494/9/1/12

An AI Digital Platform for Fault Diagnosis and RUL Estimation in Drivetrain Systems Under Varying Operating Conditions

https://www.mdpi.com/2075-1702/14/1/26

Innovative Investigation of the Influence of a Variable Load on Unbalance Fault Diagnosis Technologies

https://www.mdpi.com/2227-7080/13/7/304

• 相关特刊推荐

Trustworthy and Intelligent Systems for Machine Health Monitoring and Predictive Maintenance

Edited by Dr. Tongtong Yan, Dr. Yaoxiang Yu and Dr. Yankai Wang

Submission Deadline: 30 April 2026

进入特刊主页：https://www.mdpi.com/si/253463

• 主办单位

• 合作单位

MDPI已成功举办过多场学术研讨会，旨在为领域内学者提供一个学术交流的平台。相信通过进一步的交流，我们可以为广大青年学者及研究人员在英文学术写作和发表以及学术研究方面做出进一步的指导和探讨。

进入MDPI中文学术研讨会官网：https://mdpi.cn/activities