2026年7月 —— 近日，由武汉理工大学、廊坊德基机械科技有限公司、中铁第四勘察设计院集团有限公司联合完成的研究论文被2026年第十届国际可靠性工程会议（ICRE 2026）正式录用，论文将被IEEE收录。
现代工业体系中，无论是工程机械、轨道交通还是能源装备，大型设备集群均依赖数百乃至上千个传感器实时采集温度、振动、压力、电流等多维监控数据。如何在这些海量时序数据中及时、准确地检测异常并定位根因，直接关系到设备运行安全、生产连续性和运维成本控制。
然而，工业现场长期面临两大核心挑战：
一是分布漂移问题——单台设备因工况切换（如沥青混合料搅拌设备从冷启动到满负荷运行）导致传感器指标间依赖关系动态变化，不同监控数据集之间因采集条件、运行环境、样本规模差异导致跨数据集分布不一致；
二是异常标签稀缺问题——生产环境中故障样本极为稀少，难以构建大规模标注数据集来训练传统监督学习模型。
针对上述挑战，研究团队提出了一种框架，通过以下三大核心创新实现突破：
一、双流动态图学习器
融合静态结构先验与动态输入驱动信号，在线生成随工况自适应更新的邻接矩阵，无需重新训练即可捕捉传感器指标间依赖关系的动态变化。这一机制天然适配工业设备多工况切换的场景特性——设备从空载到满载、从正常运行到磨损劣化，指标间关联关系并非固定不变，而是随设备状态持续演化。
二、跨数据集元学习机制
采用任务关系引导的双层元学习策略，使模型能够从多个源域监控数据集中学习可泛化的初始化参数，面对全新数据集时仅需少量样本即可快速微调适配。这一能力对工业现场尤为关键——不同工况阶段、不同采集批次之间的监控数据存在分布差异，新采集数据集往往缺乏充足的异常标签，元学习机制有效解决了跨数据集分布漂移问题，使异常检测模型可以快速迁移至新数据场景。
三、传播感知的根因定位
综合预测误差、注意力传播影响力和滞后互相关性三重证据，生成指标级根因排序，不仅回答“是否异常”，更回答“异常从哪里开始、如何传播”。在工业运维中，这一能力意味着工程师无需在全设备范围内逐一排查，即可快速锁定故障源头，大幅缩短停机诊断时间，降低非计划停机损失。
在业界广泛使用的数据测试，此框架在精确率和召回率上均优于主流方法，较最好成绩提升2.53%。
作为本研究的合作单位之一，廊坊德基机械科技有限公司的参与并非偶然。德基机械长期深耕工程机械装备的研发与制造，深知在智能制造时代，设备的可靠性和可维护性就是产品的核心竞争力。一台大型搅拌设备如果能在故障发生前数小时乃至数天发出预警，并精准指明哪一子系统、哪一传感器指标出现劣化趋势，其带来的经济价值将非常可观——减少非计划停机、降低维修成本、延长设备寿命。
此次合作研究正是德基机械向“装备+智能算法”转型的技术储备。框架中三大核心算法能力，与德基机械深耕的工程机械领域高度契合：
动态图学习→ 适配搅拌设备多工况、多阶段运行状态下的传感器关联建模
元学习迁移→ 解决跨数据集场景下异常检测模型的快速适配与部署
根因定位→ 实现设备故障从"报警"到"精准定位故障源"的运维能力跃升
德基机械在此次合作中，为研究团队提供了面向工业场景的实践视角，将学术界前沿的图注意力网络与元学习方法，与制造业实际运维需求深度对接。这种产学研协同模式，使研究成果不仅在学术benchmark上表现优异，更为未来向工业设备健康管理、智能工厂运维监控等场景落地奠定了坚实基础。
此次论文被ICRE 2026录用并入选IEEE，标志着德基机械在智能化技术领域的投入正在结出学术果实。从传统机械制造到“装备+算法”的智能化转型，德基机械正以实际行动诠释制造业高质量发展的新路径——让设备不仅“能运行”，更“懂自己”。
国际可靠性工程会议(International Conference on Reliability Engineering)是可靠性工程领域的国际学术盛会，涵盖系统可靠性、故障诊断、预测与健康管理等方向。ICRE 2026由IEEE技术支持，录用论文经严格双盲评审，会议论文集将被IEEE Xplore收录并获EI、Scopus检索。
廊坊德基机械科技有限公司是一家专注于工程机械装备研发与制造的高新技术企业，近年来积极布局智能化与数字化方向，推动传统制造与人工智能、工业互联网、大数据分析等前沿技术深度融合，致力于为客户提供更智能、更可靠的装备与全生命周期运维解决方案。
