| 美國機械工程師學會會士嚴如強： |
|
| 國民經濟重大裝備的“守護者” |
|
2019年7月，正在美國參加學術會議的西安交通大學教授嚴如強收到了一個喜訊——成功當選為新一屆美國機械工程師學會會士（ASME Fellow）。他入選的理由為：為推動數據分析在制造設備/部件狀態監測、故障診斷和剩余使用壽命預測方面的發展作出了突出貢獻。
這一成果的獲得絕非偶然，而是嚴如強多年重大裝備智能診斷學術之路的濃縮與提煉。
起步：從“小波變換”到“缺陷識別”
早在嚴如強在美國馬薩諸塞大學阿默斯特分校機械與工業工程系攻讀博士學位期間，他就建立了基于信息論測度的小波基量化選取理論框架，用以指導選擇合適的小波基函數，進而從機器設備測量的振動信號中有效地提取特征信息。
小波變換作為一種數學工具，已在各大工程領域應用多年，但個中機理仍不完全明確。諸如用小波分析動態信號時，到底選哪個小波基函數？為什么選這個、不選那個？為什么選擇一個小波基函數會影響到人們對整個機器運行狀態的評估？基于此，嚴如強在博士畢業論文中系統回答了這些問題。
2006年8月~2008年8月，嚴如強赴美國國家標準與技術研究院工作，年輕的他承擔了研究院發起的“智能加工系統”大型項目的關鍵部分，致力于具有在線監測和自診斷功能的“智能機床主軸”的設計、建模和實現。作為主要研究者，他的研究成果促進了學術界對重大機床裝備在惡劣環境下的失效機理的深入認知，顯著降低了維護成本，提高了生產率和精度。
此外，他還開發了先進的機床主軸狀態在線監測和故障診斷技術，實現了有效、可視化的機床主軸缺陷識別，為日后針對重大裝備智能診斷的研究之路奠定了堅實基礎。
進階：給傳感器裝上“身份證”和“處理器”
2009年，嚴如強毅然選擇回國繼續科學研究。
設備監測不可避免地需要使用大量傳感器。普通傳感器測得數據后，通常一股腦兒地將數據傳回，缺乏準確來源和有效分析，技術人員甚至搞不清到底是哪個點位的傳感器傳回的數據，這嚴重影響了對數據的利用。
嚴如強就此提出了解決方案：基于他們研究制定的IEEE國際標準，為每個傳感器配備一個獨特的“身份證”，使得接收器可以明確知道這是哪個傳感器傳回的數據。“更方便的是，基于這個標準，傳感器數據得以實現‘本地處理’，如果需要原始數據，我們也可以實現解析還原。”嚴如強告訴《科學新聞》。
傳感器是故障診斷必備的檢測裝置，長期以來，國產傳感器在測量精度和范圍等方面都遠遠落后于進口傳感器。不僅如此，同一傳感器在中國的售價通常是國外的兩倍，這些明顯的差距深深刺激著嚴如強。
經過三四年的反復研究和論證，嚴如強和其他國際相關領域的專家一起提出了基于貝葉斯網絡理論的傳感器網絡劃分方法，設計了具有發射功率自適應調節功能的智能無線傳感節點及節點級/網絡級節能策略，為風場廣布式風電裝備的多傳感器網絡化信息獲取提供了一種新的解決方案。
“希望國產傳感器的精度越來越高，作為科研工作者，必須更加努力。”嚴如強表示。
愿景：讓科研成果助力產業提質增效
當前，制造服務融合已發展成為一種涵蓋產品全生命周期、以制造服務為驅動力的制造業發展的新范式。然而，如何收集產品在研發、制造、運維等階段的海量數據；如何分析并研究產品在使用和維護過程中的狀態變化；如何通過各階段數據與知識的集成應用，形成反饋從而逆向指導設計、制造、運維甚至全生命周期階段的協同與優化，是全球制造業共同面臨的挑戰。
2018年，嚴如強從故鄉南京毅然“西遷”，加入西安交大機械學院，展開基于新一代人工智能的診斷與預測、智能制造、制造服務新模式等領域研究。依托西安交大平臺，嚴如強牽頭主持了國家自然科學基金重點項目和科技部重點研發計劃項目，致力于引導建立以診斷預測為核心的制造服務融合產業新模式。
重大裝備智能信息處理、故障診斷與預測研究涵蓋國民經濟主戰場的諸多領域。未來，嚴如強將帶領團隊，持續推動高等院校與高水平制造企業的深入合作，建成產學研全鏈條的運維反饋機制，促進設計制造和運維服務全面融合，以幫助企業系列化產品設計制造的升級改進，提升重大裝備運行性能。
讓我們的研究成果廣泛應用于國民經濟重要行業，真正成為國民經濟重大裝備“智能守護神”，這就是嚴如強質樸的心愿。■
《科學新聞》 (科學新聞2019年12月刊 教育)