近日，苏州大学机电工程学院孙立宁教授、刘会聪教授团队与轨道交通学院沈长青教授团队围绕自供能智能感知与故障诊断开展深度交叉合作，联合研发了面向轨道交通装备关键部件状态监测的自供能无线传感节点及轴承智能诊断方法。最新研究成果以“Self-powered wireless sensor node with hybrid energy harvesting and DL-enhanced vibration sensing for bearing fault diagnosis”为题，发表于计算机科学与人工智能领域国际顶刊《Information Fusion》（中科院一区TOP，影响因子15.5）。该期刊在智能系统、多源信息融合与智能诊断等方向具有重要学术影响力。苏州大学博士生黄曼娟与沈长青教授为论文共同第一作者，博士生张岩和张忠彬为主要参与人员，孙立宁教授和刘会聪教授为共同通讯作者。研究工作获得了江苏省杰出青年基金与国家自然科学基金项目支持，体现了团队在机械工程、交通运输与人工智能融合方向的前沿探索。（文章链接：https://doi.org/10.1016/j.inffus.2025.104055）

对轴承等关键部件开展在线监测，对于轨道交通等领域装备的运行安全保障至关重要。目前常见的有线传感器和电池供电无线传感节点存在布线困难、运营成本高等问题，难以支持大规模、长周期的分布式监测。针对这一挑战，研究团队以构建自供能、高可靠、智能化的监测系统为目标，展开协同攻关。

图1.轨道交通装备自供能监测系统示意图

研究成果：面向旋转机械装备的“自供能+智能诊断”一体化无线传感节点

研究团队创新性地提出了一种自供能电磁-压电混合无线传感节点（EPH-WSN），该节点融合了能量收集、振动感知、无线传输与智能诊断功能，为轨道交通装备监测提供了一体化解决方案。

图2.自供能电磁-压电混合无线传感节点（EPH-WSN）系统架构

在硬件设计上，节点集成了旋转电磁能量采集单元与自供能三轴压电振动传感单元，结构紧凑，可直接安装于列车轮对等旋转部件。在低速运行工况（300 rpm）下，系统仍能持续采集能量，并通过间歇式数据采集与传输策略，实现可持续的自供能运行，为长期监测提供稳定能源。

图3.用于轴承等部件故障诊断的列车轮对仿真实验平台

在诊断算法上，针对无线传感节点在工程环境中常面临的数据稀疏、噪声干扰等问题，研究团队提出了多尺度视野残差网络（MSV-ResNet）。该模型融合多尺度特征提取与残差连接机制，显著提升了对外圈故障、滚动体故障等多类型轴承损伤的识别能力，在不同转速与负载条件下实现93-99.5 %的故障诊断准确率，平均准确率高于传统诊断模型，且模型结构轻量化，具备在资源受限边缘节点上部署的潜力。

图4. EPH-WSN采集不同故障类型轮对轴承的三轴振动信号

图5. MSV-ResNet模型结构与不同模型诊断准确率对比

总结与展望

研究团队提出的EPH-WSN系统，实现了从能量自主供给、振动信号感知、无线数据传输到智能故障诊断的完整流程，为轨道交通装备健康监测提供了新思路。未来，团队将进一步面向更多类型装备及真实运行环境，提升系统能效与通信鲁棒性，推动轻量化诊断模型的边缘部署，拓展该系统在旋转机械装备智能运维中的应用。