报告题目：面向多目标知识迁移的智能故障诊断

主要内容：在工业系统智能化快速发展的背景下，设备运行环境日益复杂多变，传统依赖单一工况或单一任务的故障诊断方法已难以满足实际需求。本报告围绕面向多目标域知识迁移的智能故障诊断问题，系统梳理其关键技术与研究进展，分析跨工况、跨设备及跨任务场景中存在的数据分布差异与标注稀缺等核心挑战，探讨传统方法在泛化能力与迁移能力方面的局限性；在此基础上，重点介绍融合迁移学习与领域自适应的特征对齐方法、多源域信息融合与知识共享机制，以及基于深度学习的表征学习与特征解耦策略，并结合对抗学习与生成模型实现跨域分布对齐；进一步，面向复杂工业场景下的多目标协同诊断问题，提升模型在未知工况中的鲁棒性与泛化性能；最后，通过典型工业案例验证相关方法的有效性，并对小样本学习、自监督学习及工业大模型在故障诊断中的应用前景进行展望。

报告人：唐律

报告人所在单位：机械与运载工程学院

报告人职称/职务及学术头衔：讲师

时间：2026年4月15日（周三）16:00

地点：工一B 417

报告人简介：唐律，工学博士，讲师，2024年获华中科技大学博士学位，研究方向为工业智能运维，在人工智能期刊IEEE Transactions on Industrial Informatics, IEEE Internet of Things Journal, Knowledge-Based Systems等发表论文10余篇。

承办单位：机械与运载工程学院  通识教育中心