近日，机械工业转子振动监测及诊断技术重点实验室李学军教授团队，以JN江南官方为第一署名单位在机械可靠性工程领域国际顶级期刊《Reliability Engineering and System Safety》上发表题为“The STAP-Net: A new health perception and prediction framework for bearing-rotor systems under special working conditions”的研究性论文，郭帅平教授为通讯作者，李学军教授为共同作者，机械工业转子振动监测及诊断技术重点实验室与东北大学联合培养的博士生杨同光为第一作者。该论文提出了一种轴承–转子系统健康感知和寿命预测的新框架，该框架在保证预测精度的同时，极大地减少了模型的训练参数。该框架对轴承–转子系统的健康状态预测提供了有效的解决方案。

该研究创造性的开发了一种深度学习时间序列变量预测方法，其主要思想是将时序网络模型门控机制进一步优化缩减变形，使得模型结构更为精简，在保证预测精度的同时从而提高模型的收敛速度。同时，建立以金属油液颗粒数量为特征参数的轴承–转子系统健康状态的预测模型，实现轴承–转子系统健康评估与状态评价，从而有效的为轴承–转子系统故障诊断提供技术支撑。最后，通过在特殊工况下获取轴承–转子系统的服役性能退化数据对所提框架进行验证。结果表明，所提出的框架具有较高的区间预测可靠性和稳定的概率预测性能。证明了所提框架具有显著的优势和巨大的工程应用潜力。

博士生杨同光在JN江南官方联合培养期间紧跟李学军教授和郭帅平教授的科研思路，积极参与“高性能绝缘轴承技术”国家重点研发计划项目等多个科研项目。在项目中，杨同光不仅完成了技术开发工作，还以第一作者或通讯作者发表SCI论文15篇，其中以JN江南官方为第一署名单位在《Reliability Engineering and System Safety》和《Renewable Energy》等中科院一区TOP期刊上连续发表2篇论文。同时申请发明专利14项，其中以JN江南官方为署名单位申请5项。同时在校期间获博士生国家奖学金1次，获“省优秀毕业生”、“校优秀研究生干部”等荣誉称号。

《Reliability Engineering and System Safety》为中科院一区TOP期刊，2024年影响因子：9.4。该期刊在可靠性工程、机械系统安全、风险评估与管理和可靠性测试等多个方面发表了大量高质量的研究成果，在机械可靠性和系统安全领域具有重要的影响力。

近日，我校机电工程与自动化学院张忠波博士、余伟副教授与暨南大学、中山大学合作，以JN江南官方为第一署名单位在能源领域国际知名期刊《Energy》上发表题为“State of charge estimation of lithium-ion batteries using a fractional-order multi-dimensional Taylor network with adaptive Kalman filter”的文章，张忠波博士为第一作者，余伟副教授为通讯作者。该论文基于多维泰勒网，将多元泰勒展开式与分数阶微积分相结合，提出了一种分数阶多维泰勒网的模型结构，应用于锂离子电池荷电状态（SOC）的估计，并进一步结合自适应卡尔曼滤波，有望提高在复杂工况下锂离子电池SOC估计的准确性与稳定性，有力支撑了机械工程学科“先进测控技术与故障诊断”方向的新能源动力装备管控技术。

准确获取锂离子电池SOC信息对延长电池使用寿命、提供准确的电动汽车续航里程、保障电池安全运行具有重要意义。锂离子电池的外部工作特征与SOC之间存在非整数映射关系，现有方法需要构建复杂的模型结构来描述此特征；同时，电动汽车在实际驾驶过程中，受到人为操作及噪声的影响，外部特征产生强烈波动，导致SOC估计结果存在明显波动；此外，随着锂离子电池的使用老化，电池外部特征与SOC的映射关系改变，产生数据漂移现象，导致电池SOC估计精度下降。为此，本文提出了一种基于分数阶多维泰勒网的锂离子电池SOC估计方法：将多元泰勒展开式与分数阶微积分结合，设计分数阶多维泰勒网模型；给出了分数阶多维泰勒网的锂离子电池SOC估计方法；基于分数阶多维泰勒网的锂离子电池SOC估计方法，结合自适应卡尔曼滤波算法，对锂离子电池SOC进行最优估计；在电动汽车驾驶条件下的锂离子电池公开数据集，与其它方法进行比较，说明提出方法的鲁棒性与泛化性。

《Energy》期刊为中科院一区TOP期刊，影响因子：9.0，创刊于1976年，是一份国际性、多学科的能源工程与研究期刊，由国际出版集团Elsevier负责发行。该期刊主要涵盖机械工程和热科学领域的研究，聚焦于能源分析、建模和预测、综合能源系统、能源规划管理等方面，旨在成为与能源相关的分析、评论和评估的权威信息源。其ISSN号为0360-5442，每年出版11期，是能源工程和研究领域内的重要期刊之一。

论文链接：

doi.org/10.1016/j.energy.2025.134577

近日，美国斯坦福大学（Stanford University）和爱思唯尔（Elsevier）发布了第七版《全球前2%顶尖科学家榜单》（World’s Top 2% Scientists），机电工程与自动化学院青年教师郭宁远博士入选本次“年度科学影响力”榜单。

《全球前2%顶尖科学家榜单》由斯坦福大学John P.A. Ioannidis教授团队联合国际权威学术出版社爱思唯尔（Elsevier）发布，分为“终身科学影响力”榜单和“年度科学影响力”榜单。该榜单基于Scopus数据库，根据被引量、H指数、合著者调整的HM因子、单独或第一作者文章引用数等指标进行综合评估，从近700万名科学家遴选出世界排名前2%的科学家，涵盖文、理、工学科，包括了22个领域和174个子领域。

郭宁远博士是JN江南官方机电工程与自动化学院特聘青年研究员、硕士生导师，广东省工业智能检测技术重点实验室学术骨干，主要研究方向为：车辆动力学控制、无人驾驶、机器人运动规划与控制、网联新能源汽车节能控制。2022年博士毕业于北京理工大学机械与车辆学院电动车辆国家工程研究中心。发表SCI/EI论文40余篇，其中第一/通讯在IEEE-Trans等期刊发表论文15篇（1区/2区Top 13篇、ESI高被引1篇），Google Scholar引用1500余次，H指数20，担任IEEE-Trans、Applied Energy、Vehicle System Dynamics等多个SCI/EI期刊审稿人；授权发明专利9项；曾获中国汽车工程学会Automotive Innovation期刊最佳论文、IEEE-VTS挑战赛第二名（2次）、中国汽车工程学会年会优秀论文、中国公路学报优秀论文提名、北理工优秀博士论文、北理工博士优秀毕业生等；主持国家自然科学基金项目、企业横向课题等3项，参与国家重点研发计划项目、陆军装备部重大工程、北京市科技计划等。

JN江南官方机电工程与自动化学院将紧密围绕机械工程、控制科学与工程学科方向的内涵，不断强化高层次人才引育水平，围绕机械工程一级学科博士点建设需求，依托大平台建设大团队，依托大团队有组织地强化人才自主培育，推动青年学术骨干成长为领军人才。

近日，JN江南官方机电工程与自动化学院自动化系青年教师刘家利博士与华北电力大学张永昌教授团队合作，以JN江南官方为第一署名单位在控制工程与电气工程领域国际知名期刊《IEEE Transactions on Industrial Electronics》上发表题为“DC-Link Voltage Stabilization Based on Complex-Coefficient Current Controller
for IPMSM Drives Without Electrolytic  Capacitors”的文章， 刘家利为第一作者，华北电力大学张永昌教授为通讯作者。该论文提出无电解电容逆变器（capacitorless）的复系数控制器可控制电压饱和时的电流轨迹，实现大范围低电压波动下逆变器的极限控制，有力支撑了控制科学与工程学科“控制理论与控制工程”方向的复杂系统建模与控制技术。

近年来，高可靠性、低成本和小型化的电机驱动控制器成为国内外学术界研究热点，并且相关研究成果已经初步在工业界进行商业化应用。其中主要攻关的技术方向是将严重影响系统可靠性的电解电容替换为薄膜电容。但是小容量电容使得系统无法进行输入输出侧功率解耦，不仅会导致网侧电感与电容之间产生电压振荡而且会导致电机电流控制困难，最终导致系统不稳定，现有方法仍不能很好地兼顾电机控制与母线电压稳定控制。本文针对上述系统不稳定问题，提出一种以母线电压与电机电流为控制目标的多变量轨迹预测控制方法，旨在最大化的利用母线电压实现电流的极限控制。本文提出了电容功率控制，理论上揭示了电容功率对母线电压的调节机制，通过控制电容功率以实现抑制母线谐振电压。在此基础上，进一步提出了复系数电流控制器，实现在电压饱和的约束条件下以电机电流稳定控制。该控制方法通过基于电压饱和情况动态修正电流轨迹，实现在非线性约束下多耦合目标的协同优化控制，提高系统稳定性。本文提出的复系数电流控制器可以在空调驱动、风机、水泵等低成本场景以及航空航天等高可靠性需求场合进行应用，具有重要的理论意义和工程应用价值。

《IEEE Transactions on Industrial Electronics》为中科院一区TOP期刊，影响因子：7.5，是电子与电气领域国际顶级期刊。该期刊全面覆盖了信息、控制、电气及工业电子等领域最新的研究进展，出版内容包括电力电子和驱动控制技术、系统控制和信号处理、故障检测和诊断、电力系统、仪表、测量和测试、建模和仿真、运动控制、机器人、传感器和执行器、神经网络的实现、模糊逻辑和工业系统中的人工智能、工厂自动化、通信和计算机网络。

论文链接：

xploreqa.ieee.org/document/10684396

机电工程与自动化学院

近日，机电工程与自动化学院车辆工程系青年教师郭宁远博士与昆明理工大学陈峥教授团队合作，以JN江南官方为第一署名单位在电动汽车领域国际知名期刊《IEEE
Transactions on Transportation Electrification》上发表题为“Universal Bounds
Estimation and Efficient Tuning for Equivalent Factor in Real-Time Cost-Optimal
Predictive ECMS of PHEVs”的文章，郭宁远博士为第一作者，昆明理工大学陈峥教授为通讯作者。该论文基于混合动力汽车等效消耗最小理论，推导了不依赖控制目标的通用化等效因子（EF）边界确定方法，以此设计了预测等效消耗最小控制策略（PECMS），可实现高效、精确的最佳EF实时估计，提升整车行驶经济性，有力支撑了机械工程学科“先进测控与故障诊断”方向的电动汽车能源管控与智能运维技术。

插电式混合动力汽车（PHEV）等效消耗最小化策略（ECMS）中等效因子（EF）的准确高效估计，是实现理想节能效果的关键环节。为此，本文提出了一种针对串联PHEV成本最优的实时预测ECMS（PECMS），旨在最小化关于燃油、电池老化及电能的总成本。首先，为建立传动系的最小可行控制域、降低控制复杂性，本文推导了关于电池功率命令的广义统一约束。基于该约束，结合极小值原理，设计了不依赖控制目标的通用化等效因子边界确定方法，能有效降低EF整定难度与保守性，通过理论分析与示例验证的方式证明了该方法面向其他构型与目标问题的有效性。随后，基于EF边界，提出了一种简洁高效EF在线整定方法，可实时确定最佳EF；结合EF，优化求解哈密顿函数，确定最优电池功率命令。仿真和硬件在环测试结果表明，所提出的策略能有效降低运营成本、准确估计EF边界、实时高效整定EF，提升整车节能效果。

《IEEE Transactions on Transportation Electrification》为中科院一区TOP期刊，影响因子：7.2，研究领域包括电动汽车（包括公路、越野、非公路和轨道车辆、飞机和船舶）的电力和能量转换、推进和驱动相关的组件、子系统、系统、标准和电网接口技术等。

论文链接：

https://ieeexplore.ieee.org/document/10599479

机电工程与自动化学院

  近日，广东省工业智能检测技术重点实验室张宇敏副教授课题组与香港大学黄立锡教授团队合作，以JN江南官方为第一署名单位在机械工程领域国际知名期刊《International Journal of Mechanical Sciences》上发表题为“An acoustic comb filter by shunted electromechanical diapragm”的文章，
张宇敏为共同通讯作者，机电工程与自动化学院研究生莫迪为共同第一作者。该论文提出的分流机电振膜装置（SEMD）可实现多频噪声的精确控制，实现声吸收和声传输的动态可调性，有力支撑了省重点实验室制造产品质量智能检测研究方向中的声波信号动态监测与处理技术。

     该研究提出了一种创新的噪声控制方法，通过分流机电振膜（SEMD）实现多频噪声的有效控制。SEMD结合了动圈扬声器与多谐振分支电路，能够通过调节电路参数来精确控制声学阻抗，从而创建梳状滤波器效果。这种梳状滤波器通过在声吸收和传输频谱中构建多个峰值，能够应对频率分布广泛且多变的多音噪声问题，这在传统的宽带噪声控制方法中是很难实现的。常见的机械谐振器阵列虽然也可以产生类似的效果，但它们的复杂性和体积使得应用受到限制，而SEMD通过电调谐，不仅降低了系统的机械依赖性，还提供了更大的灵活性和可调节性。通过实验验证，研究发现SEMD能够在阻抗管测试中实现跨越三个倍频程的可调声吸收峰值，且这些峰值的吸收系数大多高于0.9，展现了良好的噪声抑制效果。与传统的宽带吸声技术相比，SEMD通过电路的调谐，突破了声学中总和规则的限制，实现了高效的多频噪声控制。

《International Journal of Mechanical Sciences》为中科院一区TOP期刊，影响因子：7.3，该期刊全面覆盖了机械科学领域的多个关键方向，包括但不限于力学、材料科学、制造工程、动力学、热力学以及流体力学等。它不仅在应用力学和机械科学领域内受到国际学术界的广泛认可，而且也是相关研究领域内的权威出版物。

论文链接：

https://www.sciencedirect.com/science/article/pii/S0020740324005514

机电工程与自动化学院

广东省工业智能检测技术重点实验室

机电工程与自动化学院科研获奖清单