第一作者：刘长昊，西安交通大学机械工程学院智能制造2203班

题目：Neuromorphic computing-enabled generalized machine fault diagnosis with dynamic vision

动态视觉 + 神经形态计算
 

期刊：Advanced Engineering Informatics（中科院1区top SCI期刊，影响因子9.9）

摘要：旋转机械在现代工业中发挥着关键作用，准确的故障诊断对于确保其可靠运行至关重要。近年来，事件相机作为一种非接触式振动测量与旋转机械故障诊断的新兴工具备受关注。然而，监测角度、光照条件等相机因素会对诊断性能产生显著影响。简单训练的模型难以适应新测试场景中的因素变化。针对这一问题，本文提出了一种基于神经形态计算的通用非接触式故障诊断方法。通过事件相机在不同运行条件下采集动态视觉数据，并开发了一种动态视觉数据表示方法，将事件流转换为适合神经形态脉冲神经网络处理的特征。此外，我们提出了一种专门设计的神经形态领域泛化方法，以提升在不同工作条件下的泛化能力。通过大量实验验证了该方法的领域泛化性能，并与主流领域泛化技术进行了对比。结果表明，该方法在不同条件下均能实现稳健的诊断性能，验证了其在潜在工业应用中的有效性。

论文链接：https://www.sciencedirect.com/science/article/pii/S1474034625001934?via%3Dihub