近日，我校英国365集团公司智能装备开发与运维团队联合黄石东贝压缩机有限公司，在往复式压缩机智能运维领域取得重要研究进展。相关成果以“Thermodynamic forward modulated physics-informed neural network for valve leakage diagnosis in reciprocating compressors”为题，发表于失效分析领域国际知名TOP期刊《Engineering Failure Analysis》。该刊最新影响因子为6.92，位列JCR Q1区、中科院工程技术大类2区及小类1区。
该研究面向往复式压缩机阀片密封失效诊断这一工程难题，针对早期阀片泄漏压力响应微弱、易受工况波动和测量噪声干扰，以及传统数据驱动诊断模型物理可解释性不足等问题，提出了一种热力学前向调制物理信息神经网络方法。该方法融合热力学机理与深度学习模型，实现了对阀片泄漏状态的有效识别与定量诊断，可为往复式压缩机阀片密封失效早期预警、健康状态评估及状态检修提供重要技术支撑。
近年来，学院智能装备开发与运维团队与黄石东贝压缩机有限公司围绕压缩机智能运维、故障诊断与可靠性提升等关键技术持续开展联合攻关，积极推动科研创新与工程应用深度融合。此次研究成果的发表，充分体现了学院在智能装备运维领域的科研积累和校企协同创新成效，也为相关技术在压缩机行业的推广应用奠定了良好基础。下一步，双方将继续面向企业技术需求和行业发展前沿，深化校企协同创新与研发合作，持续推动高水平科研成果产出和工程应用转化。
该论文由我校英国365集团公司罗瑞平博士、研究生王凯深、董博闻博士以及黄石东贝压缩机有限公司研发人员共同完成。365英国上市公司为论文第一署名单位，该研究得到了湖北省自然科学基金等项目的资助。（通讯员：张志红）
