路飞宇 (Feiyu Lu)

路飞宇 (Feiyu Lu)

石家庄铁道大学 讲师

关于我

路飞宇，1997年生，石家庄铁道大学，电气与电子工程学院，讲师，入选 2024 年中国科协青年人才托举工程博士生专项计划（首批）。研究兴趣包括：深度学习、先进信号分析方法、旋转机械故障诊断。面向我国轨道交通发展战略，本人在高速列车轴承故障诊断领域产出了一些研究成果。截至目前，共发表SCI论文18篇，中文EI论文2篇。其中，以第一作者身份发表7篇中科院SCI一区Top论文。获得授权国家发明专利4项，软件著作权 2 项。主持并参与了多项国家级、省部级和校级科研项目。谷歌学术引用量达到205。此外，开设的微信公众号《轴承智能故障诊断》目前拥有千余粉丝，并在GitHub开源了多个先进模型代码，为该领域提供了参考案例。

研究领域

机车运行安全状态监测与故障诊断

大数据驱动的健康状态监测、故障诊断与寿命预测，基于人工智能的电机及其周边设备故障诊断

新能源发电与储能技术

光伏功率预测、混合储能容量优化配置、综合能源系统优化调度、光伏发电系统状态检测与故障诊断

生物医学图像处理

基于深度学习的生物医学图像处理

学术论文

  1. Prior knowledge embedding convolutional autoencoder: a single-source domain generalized fault diagnosis framework under small samples
    Lu Feiyu,Tong Qingbin, Jiang Xuedong
    Computers in Industry (COMIND), 2024 [一区][pdf]

  1. Envelope spectrum neural network with adaptive domain weight harmonization for intelligent bearing fault diagnosis under cross-machine scenarios
    Lu Feiyu,Tong Qingbin, Jiang Xuedong
    Advanced Engineering Informatics (AEI), 2024 [一区][pdf]

  1. DPICEN: Deep Physical Information Consistency Embedded Network for Bearing Fault Diagnosis under Unknown Domain
    Lu Feiyu,Tong Qingbin, Jiang Xuedong
    Reliability Engineering & System Safety (RESS), 2024 [一区][pdf]

  1. Deep Multilayer Sparse Regularization Time-Varying Transfer Learning Networks With Dynamic Kullback–Leibler Divergence Weights for Mechanical Fault Diagnosis
    Lu Feiyu,Tong Qingbin, Jiang Xuedong, Feng Ziwei, Xu Jianjun and Huo Jingyi
    IEEE Transactions on Industrial Informatics (IEEE TII), 2024 [一区][pdf]

  1. Towards multi-scene learning: A novel cross-domain adaptation model based on sparse filter for traction motor bearing fault diagnosis in high-speed EMU
    Lu Feiyu, Tong Qingbin,Jianjun Xu
    Advanced Engineering Informatics (AEI), 2024. [一区][pdf](ESI高被引)

  1. A deep targeted transfer network with clustering pseudo-label learning for fault diagnosis across different Machines
    Lu Feiyu, Tong Qingbin,Xuedong Jiang
    Mechanical Systems and Signal Processing (MSSP), 2024. [一区][pdf]

  1. Unbalanced Bearing Fault Diagnosis under Various Speeds based on Spectrum Alignment and Deep Transfer Convolution Neural Network
    Lu Feiyu,Tong Qingbin,Feng Ziwei and Wan Qingzhu
    IEEE Transactions on Industrial Informatics (IEEE TII), 2022. [一区][pdf]

  1. A Novel Method for Fault Diagnosis of Bearings with Small and Imbalanced Data Based on Generative Adversarial Networks
    Tong Qingbin, Lu Feiyu,Feng Ziwei and Wan Qingzhu
    Applied Sciences, 2022. [四区][PDF]

  1. Explainable 1DCNN with demodulated frequency features method for fault diagnosis of rolling bearing under time-varying speed conditions
    Lu Feiyu,Tong Qingbin,Feng Ziwei and Wan Qingzhu
    Measurement Science and Technology (MST), 2022. [三区][PDF]

  1. A parameter-adaptive ACMD method based on particle swarm optimization algorithm for rolling bearing fault diagnosis under variable speed
    Ma Zengqiang, Lu Feiyu,Liu Suyan and Li Xin
    Journal of Mechanical Science and Technology (JMST), 2021. [四区][PDF]

  1. An Adaptive Generalized Demodulation Method for Multimedia Spectrum Analysis is Applied in Rolling Bearing Fault Diagnosis
    Ma Zengqiang, Lu Feiyu,Liu Suyan and Li Xin
    IEEE ACCESS, 2020. [二区][PDF]

  1. 一种基于条件度量迁移学习的机械故障诊断可解释方法
    路飞宇,佟庆彬, 姜学东
    仪器仪表学报, 2024 [EI][PDF]

  1. 一种基于广义解调的滚动轴承故障特征提取方法
    马增强, 路飞宇,刘素艳, 李欣, 胡鑫磊
    振动与冲击, 2020. [EI][PDF]

其它合著

  1. Deep Reconstruction Transfer Convolutional Neural Network for Rolling Bearing Fault Diagnosis
    Feng Ziwei, Tong Qingbin, Xuedong Jiang, Lu Feiyu
    Sensor, 2024. [三区][PDF]

  1. Interpretable parallel channel encoding convolutional neural network for bearing fault diagnosis
    Tong Qingbin,Shouxin Du, Xuedong Jiang, Lu Feiyu
    Measurement Science and Technology (MST), 2024. [三区][PDF]

  1. A New De-Noising Method Based on Enhanced Time-Frequency Manifold and Kurtosis-Wavelet Dictionary for Rolling Bearing Fault Vibration Signal
    Tong Qingbin, Liu Ziyu, Lu Feiyu,Feng Ziwei and Wan Qingzhu
    Sensor, 2022. [三区][PDF]

  1. Fractional Synchrosqueezing Transformation and its Application in the Estimation of the Instantaneous Frequency of a Rolling Bearing
    Li Xin, Ma Zengqiang, Liu Suyan, and Lu Feiyu,
    IEEE ACCESS, 2020. [二区][PDF]

  1. Envelope demodulation method based on SET for fault diagnosis of rolling bearings under variable speed
    Ma Zengqiang, Li Xin, Liu Suyan, Ge Yongjie, and Lu Feiyu,
    Journal of Advanced Mechanical Design Systems and Manufacturing, 2020. [四区][PDF]

专利等知识产权

  1. 佟庆彬,路飞宇,冯子微,刘子雨,万庆祝,曹君慈,安国平,王猛,刘瑞芳. 变转速工况下样本不平衡的滚动轴承故障诊断方法及系统[P]. 北京市：CN114838936A,2022-08-02. (已授权)

  2. 佟庆彬,路飞宇,冯子微,刘子雨,万庆祝,曹君慈,安国平,王猛,刘瑞芳. 基于可解释1DCNN模型的滚动轴承故障诊断方法及系统[P]. 北京市：CN114298110A,2022-04-08. (已授权)

  3. 马增强, 李欣, 顾晓辉,杨绍普, 闻程, 康德, 李响, 路飞宇, 胡鑫磊, 许丹丹.基于分数阶变分模态分解的滚动轴承故障诊断方法[P].河北省:CN201910610522.6,2021-03-23.(已授权)

  4. 马增强, 张安, 李韶华, 闻程, 李欣, 李响, 康德, 胡鑫磊, 路飞宇, 周涵, 许丹丹, 钱荣威.基于互相关奇异值的轴承故障诊断方法[P].河北省:CN201811310559.9,2020-08-28.(已授权)

  5. 基于广义解调的滚动轴承故障诊断系统（软件著作权）

  6. 基于阶次谱分析的滚动轴承故障诊断系统（软件著作权）

主持/参与项目

中央高校基本科研业务费专项资金资助：基于深度学习的域自适应滚动轴承故障诊断方法研究,2023.04-2026.3,15万元，参与；
中央高校基本科研业务费专项资金资助：基于深度学习的滚动轴承智能故障诊断方法研究,2022.04-2024.3,3万元，主持；
北京市自然基金“轨道交通联合”：基于深度迁移学习的轨道交通列车走行部滚动轴承故障诊断方法研究，参与；
研究生创新项目：变转速下滚动轴承故障特征提取方法研究,0.6万元，主持；
国家自然科学基金面上：基于小样本数据的变转速机车轮对轴承故障诊断与非线性动力学分析，参与；
省部共建交通工程结构力学行为与系统安全国家重点实验室自主课题：基于多特征关联规则的滚动轴承故障诊断方法研究，参与；

获奖、荣誉称号

2024年 中国科协青年人才托举工程博士生专项计划【首批】
2024年 校级三好研究生
2024年 博士国家奖学金【排名第一】
2023年 博士一等学业奖学金
2022年 博士一等学业奖学金
2021年 博士入学学业奖学金
2020年 校级优秀硕士学位论文
2020年 三好学生
2020年 硕士研究生国家奖学金【排名第一】
2019年 硕士研究生一等学业奖学金

学术兼职

中国铁道学会会员、电工技术学会会员。参加 2020年第一届轨道车辆运维学术论坛，2024年第八届电气化交通前沿技术论坛等会议。担任 IEEE Transactions on Industrial Informatics，IEEE Transactions on Neural Networks and Learning Systems，Advanced Engineering Informatics，Measurement Science and Technology等多个国际期刊审稿人。

Flag Counter