（院研究生会宣传部谭景益 图/文）11月3日我院于16幢507教室组织机械工程专业研究生参与我院第八十三期“工学智汇”机械工程研究生学术汇报活动。本次活动邀请我院徐晚秀老师莅临指导，任金阳担任主持人。
施卓奇同学基于双重域对抗的滚动轴承跨工况故障诊断方法研究，针对现阶段梯度易消失、模糊预测、易过拟合、模型参数冗余四个方面问题，提出了引入NWD，改进NWD为L1，2WD，提出无需鉴别器的对抗网络；提出双域对抗结构范式有效解决现阶段问题。
郑林杰同学基于节点门控图神经网络的小样本滚动轴承故障诊断方法研究。滚动轴承作为旋转机械中的关键部分，被广泛应用于多个重要领域，因此对滚动轴承进行合理的状态监测和故障诊断非常重要。滚动轴承的绝大多数振动信号，特别是在出现故障的情况下，都是非平稳信号，故障特征通常被淹没在强噪声背景中，提取困难，传统的信号分析处理方法通常难以取得良好的效果。数据驱动的智能故障诊断算法凭借强大的特征提取能力，逐渐代替了建立复杂的数值模型或繁琐的信号处理。
潘慧琳同学结合故障信号特征和轻量化策略的滚动轴承故障诊断研究。故障诊断方法的快速性和准确性是运维的关键，目前深度学习模型的超参数组合空间巨大，模型运行比较耗时,对工程硬件要求较高、对振动信号本质的理解与挖掘深度不够、忽略了网络的可解释性与原理探索等方面问题。提出核主成分分析（KPCA）是一种基于核方法的降维技术，其基本思想是通过映射更好的提取出非线性特征。通过检查在卷积层不同级别之间的权重、全局特征和局部特征相关系数的变化来调整网络层级和参数，设计SGECNN网络。结果显示SGECNN具有更好的收敛性。
方家琦同学基于脑电特征的广泛性焦虑症严重程度半定量研究。探究正常人、轻度焦虑症、中度焦虑症、重度焦虑症的可分性，采用特征筛选RFE递归特征消除、数据生成CCR、诊断模型（LightGBM、XGBoost、CatBoost）和参数优化TPE的研究方法与内容。得出10s的时间窗长可获得最佳的分类准确率；Catboost模型的各项性能较优；解决了数据的类不均衡性，且进一步提升了模型的分类准确率；利用最优特征子集可得到98.1%的分类准确率；β节律的功能连接占比较多；额叶和颞叶脑区的功能连接数量远多于中枢、顶叶、枕叶。
徐晚秀老师对各位同学的汇报内容表示赞同，并针对不同同学在学术展示方面提出实用性建议，避免汇报语言口语化，汇报流程严谨和衔接问题以及内容排版等方面都给出了有效建议。
