我校潘宏侠教授、黄晋英教授携研究生于2017年7月9日至2017年7月11日参加了在哈尔滨召开的“2017 Prognostics and System Health Management Conference（PHM-Harbin）”   

国际会议。

       本次会议由哈尔滨工业大学自动化测试与控制研究所主办，IEEE可靠性协会及IEEE哈尔滨分会共同承办。PHM-Harbin 国际会议会程从2017年7月9日-11日共历时三天，以Tutorial、Keynote、Special Session、Poster、展商展览（12家）等各具特色的会议组织形式，共吸引来自中国、美国、新加坡、澳大利亚、法国等海内外十余个国家，以Micheal Pecht、 Philip Leong、 Christian K.Hasen等为代表的故障诊断和健康管理及其相关领域的专家学者400余人。其中，PHM-Harbin会议名誉主席、可靠性领域世界著名学者Prof. Micheal Pecht（美国马里兰大学CALCE中心主任）与参会人员一起回顾了PHM系列的历届国际会议，展示了PHM技术的最新进展，故障诊断与健康管理技术已经由理论阶段开始进入实用阶段，成为有效提高系统可靠性必不可少的关键技术。IEEE可靠性协会副主席、Alstom Transport公司专家Dr. Pierre Dersin介绍了铁路系统背景下，结合物理模型及传感器实测数据的故障诊断及预测方法，展示了一种利用传感器实测数据校正物理模型，从而达到更准确预测结果的应用实例。中国航发商用发动机公司首席专家曹明教授介绍了商用发动机领域对于故障诊断及健康管理相关技术的迫切需求，并在此技术上对与商用发动机背景下的PHM技术存在的挑战及机遇进行了详细的分析。悉尼大学教授Philip Leong是FPGA及硬件加速计算领域著名专家，他多方面分析了FPGA技术所具有的优越性，进而根据自己的最新研究成果具体介绍了在保证高速及低延迟的特性下，机器学习相关算法在FPGA上的具体实现，并讨论了这一技术对于PHM进入实际应用领域的推动作用。本次会议设置了“面向PHM的测试性”、“滚动轴承PHM”等12个专题报告，广泛的讨论了PHM在交通运输、电子器件、机器学习等领域的最新研究进展。

    在“Deep Learning in PHM”分会场，潘宏侠教授介绍了引入分离率来改进DBN方法的文章“Potential failure prediction of ammunition feeding system based on improved depth belief network”，该方法减弱了神经元之间的复杂联系，提高了DBN的鲁棒性，提高了工况的分类准确率。潘教授在会上与相关专家学者就以上研究工作进行了探讨。黄晋英教授的2015级研究生朱文辉，在“滚动轴承的PHM”分会场，介绍了文章“Application of feature fusion based on DHMM and BP neural network algorithm in fault diagnosis of gearbox ”。

     这次会议为PHM领域的同行提供非常好的相互学习、建立友谊的平台。会议期间，潘宏侠教授、黄晋英教授与参会人员就就关心的学术问题进行了广泛的学术交流，开阔了国际学术视野与思路，加强了与国际学术界的交流与友谊，对促进我校在故障诊断前沿领域内开展高水平的研究工作具有重要的意义。