2026年6月4日上午10：00，2025级全体研究生在阳光校区10D408教室参加了365上市集团2026年第十期研究生论坛，共有六位2024级研究生分享了他们在深度学习方向的研究成果，论坛由徐楚桥老师进行点评。本次汇报围绕智能故障诊断、工业视觉检测、多目标优化和新能源预测等方向展开。
黄悦璇同学汇报了复杂工况下风电机组齿轮箱故障诊断方法研究。她针对变转速、变载荷条件下故障特征提取困难的问题，采用经验模态分解处理非平稳振动信号，并构建融合多尺度时序卷积网络与CBAM注意力机制的诊断模型，实现齿轮、轴承及复合故障识别。徐楚桥老师建议后续加强模型泛化能力验证，完善跨工况、跨数据集实验，并进一步分析各模块的作用机理。
汪涵同学汇报了激光焊接过程中飞溅检测与跟踪方法研究。研究通过高速摄像采集不同激光功率下的飞溅图像，结合感兴趣区域提取、图像增强和双注意力目标检测模型，实现小目标飞溅的高效识别，并利用追踪模型分析飞溅面积、速度、数量、轨迹和角度等特征。徐楚桥老师建议后续进一步建立飞溅行为特征与焊接质量之间的对应关系，重点分析飞溅面积、速度和轨迹角度等参数对焊缝成形、气孔和裂纹等缺陷的影响。
魏宁丰同学汇报了再造烟叶表面缺陷检测方法与系统实现研究。针对纸孔、黑斑、裂缝、污垢等缺陷人工检测效率低的问题，研究搭建图像采集平台，构建专用数据集，并基于DeepLabV3+融合MobileNetV2、空洞卷积和CBAM注意力机制，提出轻量化语义分割模型DeepLab-T，同时结合LayerCAM提升模型可解释性。徐楚桥老师建议后续继续优化模型对复杂背景和重叠缺陷的识别能力，完善软硬件系统集成，并在实际产线环境下开展多场景工程验证。
李康迪同学汇报了数据驱动的超高速引纬主喷嘴流速与耗气量多目标优化设计。研究围绕喷嘴芯锥度、大孔出口直径、小孔出口直径等关键几何参数，以提高轴线流速和降低出口耗气量为目标，构建流速预测模型和耗气量预测模型，并结合SHAP可解释性分析和多目标优化算法实现结构优化。徐楚桥老师建议后续进一步深化主喷嘴结构参数与气流特性之间的内在机理分析，并补充多工况条件下的适应性验证。
李婉星同学汇报了海上风电功率预测研究。她分析了海洋气象多变、风浪耦合复杂和机组运行环境恶劣等因素对功率预测的影响，提出将数值天气预报风场信息与历史功率、风速、风向等时序数据结合，利用深度学习模型提升不同时间尺度下的预测精度。徐楚桥老师建议后续进一步强化模型在极端天气和复杂海况下的鲁棒性验证，完善物理模型与数据驱动模型的融合机制，并加强预测结果对并网调度和运维决策的支撑分析。
邓思敏同学汇报了面向少样本与变工况的行星齿轮箱故障诊断方法研究。针对故障样本稀缺、工况多变和模型泛化能力不足等问题，研究结合信号预处理、FS-KAN模型、轻量化卷积残差模块和域自适应方法，提升少样本条件下的特征提取能力和跨工况诊断性能。徐楚桥老师建议后续进一步扩充多工况数据集，完善域自适应与特征区分模块，强化相似故障识别能力，并开展多场景对比测试与工程适配验证。
