时    间：2020年9月11日，周五13:30
地    点：阳澄湖校区交通大楼219会议室
报告人：孙秋壮 助理教授，悉尼大学数学与统计学院
题    目：数据驱动的系统退化建模与剩余寿命预测

摘    要：
报告将回顾近年来数据驱动的工业系统剩余寿命预测方法，同时对基于随机过程的退化建模进行详细阐述。报告将重点关注退化数据和寿命数据的联合分析，利用维纳过程与比例风险模型对电池系统的失效行为建模，并使用贝叶斯及粒子滤波方法预测其剩余寿命分布。报告最后将展望机器学习、深度学习等人工智能方法在工业大数据中的应用前景，并讨论故障预测中人工智能方法与传统统计模型相结合的若干可能性。

个人简介：

孙秋壮，上海交通大学工业工程与计算机科学联合学士，新加坡国立大学工业系统工程博士。现于新加坡国立大学工业系统工程与管理系任研究员，将加入悉尼大学数学与统计学院担任讲师（助理教授）。研究方向为可靠性工程、工业统计，主要应用于数据驱动的维护优化、退化建模、工业系统剩余寿命预测、机械系统设计等。