01#

报告：基于声光信号的气体放电等离子体智能诊断研究  裴学凯

裴学凯教授介绍研究背景

     裴学凯教授的研究聚焦于采用先进的机器学习算法来处理电声信号，以精确诊断气体放电过程中的关键参数。首先通过精细分析声光信号，提取出影响放电性能的关键特征值。这些特征值包括声波频率、振幅以及光谱特征等，能够深入反映气体放电的动态特性。在此基础上，裴学凯教授结合多种机器学习算法，如高斯过程回归和KNN（K近邻）分类，用于对气体放电功率、电极结构和气体温度等参数进行建模和预测。通过这一方法，研究团队不仅能够识别当前放电状态，还能实时监测和调整放电条件，提高了放电过程的稳定性与效率。此外，团队还进行了一系列实验，验证了模型在不同环境和操作条件下的适用性。这项研究的创新性和实用性为等离子体应用、工业气体放电监测以及电气设备的性能优化提供了重要的技术支持，展现了机器学习在电气工程领域的巨大潜力。

裴学凯教授介绍研究内容

02#

     报告结束后，与会师生用热烈掌声对裴学凯教授深入浅出的讲解致以诚挚赞赏。在答疑环节中，与会师生和报告人探讨了声信号中各个频率成分如何反映气体放电过程的不同特征，如何使用频谱分析工具提取出与特定放电现象相关的频率成分。

会场照片

03#

     最后，陈聪教授感谢裴学凯教授的精彩报告并为其颁发证书，本次学术报告圆满结束。