日前，学院电气工程系电气自动化研究所冯健教授课题组的研究成果《Domain Knowledge-based Deep-Broad Learning Framework for Fault Diagnosis》于2020年3月3日被IEEE Transactions on Industrial Electronics接收录用，东北大学为第一完成单位，冯健为第一作者，姚宇博士生为第二作者。

该研究首次提出了一种适用于机器学习的工业人工智能故障诊断新框架，即基于领域知识的广域深度学习故障诊断策略，从理论建模、策略提出、方法求解、系统仿真到实验验证等方面进行了系统的研究。在模型学习中，提出“桥标签”概念，大幅降低了学习算法对高质量样本的需求量，而且“桥标签”诱导下的特征空间还具有一定程度的可解释性，通过结合所设计的广域深度学习的独特结构，有效提升了诊断系统在同源多任务问题中的定向与泛化性能。该研究问题源于学院张化光教授团队的重大科研仪器研制项目，成果已用于中海油漏磁内检工业数据分析现场，还可以推广应用到重大旋转设备机械运动系统的故障诊断等领域，促进了人工智能技术在工业领域的进一步落地应用。

该研究同时得到了国家自然科学基金项目和国家重点研发计划项目的资助。

据悉，IEEE Transactions on Industrial Electronics是IEEE旗下的TOP期刊，最新影响因子为7.503，在IEEE的Automation and Control Systems和Instruments and Instrumentation领域依据影响因子(Impact factor)排名第1，在IEEE的Electrical and Electronic Engineering领域依据特征因子(Eigenfactor)排名第1，在中科院分区大类(工程技术)和小类(自动化与控制系统，工程：电子与电气，仪器仪表)中均为1区顶级期刊。