9月20日，我院柳应倩博士在期刊《Engineering Applications of Artificial Intelligence》（2025年中科院大类一区TOP，IF：8.0）发表题为“A novel condition monitoring approach using hybrid lightweighted adaptive models for complex machinery”的应用型研究论文。

该研究聚焦复杂工业系统的智能监测与运维，提出了一种新型的状态监测与诊断框架。在工业生产过程中，泵、压缩机、汽轮机、风机等关键装备的稳定运行直接关系到生产安全与效率。传统的异常检测和故障诊断方法往往各自独立，且对未知或罕见故障的识别能力有限。针对这一难题，柳应倩博士提出了将异常检测与故障诊断深度融合的智能框架，并设计了分布式处理和多层次信息融合策略。研究结果显示，该框架不仅能够准确识别已知故障，还能够对未知故障进行有效检测和近似分类，为工业系统的智能化运维提供了新的解决思路，具有广阔的应用前景。

成果展示了柳应倩博士在智能诊断与运维领域的科研积累与创新能力，也为我校工业智能与装备健康管理发展注入学术力量。该研究成果得益于其在原培养单位江苏大学的科研训练与早期学术积累，同时感谢博士导师付强教授在科研思路、学术规范及论文写作方面的指导。

Fig. 1. The flowchart and framework of condition monitoring

原文链接：

Yingqian Liu, Rongyong Zhang, Luigi Grossi, Zhipin Ye, Huairui Li, Rongsheng Zhu, Qiang Fu. A novel condition monitoring approach using hybrid lightweighted adaptive models for complex machinery [J]. Engineering Applications of Artificial Intelligence, 2025, 162: 112461. https://doi.org/10.1016/j.engappai.2025.112461