揭秘福大冠军赛队：依托专业背景　敏锐挖掘数据

福州大学赛队5名队员查看测试程序模型。

海峡网4月3日讯 （福州日报记者 林瑞琪/文 邹家骅/摄）在3月30日举行的2019数字中国创新大赛分区（西安）决赛中，福州大学赛队“为中华崛起挖掘”凭借第一名的线上初赛成绩以及精彩的现场答辩再夺分区赛冠军。赛队5名成员均是福州大学机械工程及自动化学院的研究生，他们出色成绩的背后有哪些“秘诀”？记者为你一一揭秘。

默契配合积极备战

此次西安分区决赛赛题为混凝土泵车砼活塞故障预警。据出题方介绍，砼活塞为泵车的关键部件，如其故障将导致泵车无法工作，影响施工。传统方法是等故障发生后维修，或按固定计划维护，但均会增加额外开支。

如今，随着工业互联网的兴起，利用设备运行数据进行“预测性维护”渐成趋势。如何借助已有数据建立故障预测模型？这正是赛队成员们所要解决的。

5名同学院的研究生在导师引导下组织建队，默契分工。他们一边查阅文献寻找解题思路，一边不断尝试新方法，提交测算，提交次数达上百次。“最后我们把比较有效的思路进行集中，用最优模型达到较高精度。”队员黄宇星介绍。

同时，团队成员也十分重视模型的实际应用价值，基于多种工况进行建模，并开发了自动调参系统，便于不具备数据背景的工程人员操作。凭借着较高的落地可能性，选手们在赛场上获得了“最符合我们目前工业需求”的好评。

2个月的“备战”时间里，每位成员还要兼顾学业与科研任务，晚上十一二点走出实验室成为常态，通宵也是常有的事。“过程很艰辛，收获也很丰富。总决赛要在家门口举办，我们要继续努力，争取再创佳绩。”团队成员表示。

专业背景深厚

数据“挖掘”敏锐

“随着互联网与多领域的结合，海量数据产生成为必然。在工业方面，相较于过去依靠物理模型，借助设备运行的真实数据建模为更精细的管理提供了更多可能。”黄宇星告诉记者。

然而，如何在海量数据中找出规律，实现数据中的“富矿”开采？本次赛题中，赛队的“挖掘”正是基于机械背景出身所带来的数据敏感。

据介绍，福州大学机械工程及自动化学院前身为机械工程系，是1958年福大建校时最早设置的5个系之一，深厚的机械化专业底蕴为此次参赛队员们提供了充足底气。

“相较于其他只具备编程能力的团队，机械工程专业出身的我们更能读懂数据的‘物理意义’，通过数据了解机械设备的运作情况，对于数据处理的预判也更为敏锐。”在黄宇星看来，数据和特征决定了机器学习的上限，如果缺乏对数据的理解，建模也将缺少依据。

依靠专业背景优势，团队成员们此次设计的模型可解释性强，尤其适用于指导实际工业生产。“我们的算法能精确定位到故障的具体零件，方便工程人员快速排查，节省人力和时间成本。”黄宇星说。

培养解决问题能力

科研锻炼储备知识

解决行业发展中实际存在的痛点、难点，是此次大赛赛题的特色。相应地，在解题过程中对可落地性的充足考量，则成为此次赛队取胜的关键。“我们在比赛过程中充分考虑模型的实际应用价值，一方面是源自我们之前的参赛经历，一方面也离不开我们平时科研、课题训练。”队员们介绍。

福大机械工程及自动化学院团委书记林成金告诉记者，学院内的老师们在执教前通常有到工厂、企业等行业内锻炼的经历，了解行业发展的实际所需，因而在执教过程中也更具有针对性。

“在教学中，我们重视培养学生解决实际问题能力，并根据学生自身的能力特点选定教学内容，平时的科研锻炼也为学生们解题提供了丰富知识储备。”赛队成员导师、福大机械设计及理论专业教授王伟说。在此次比赛中，王伟帮助赛队成员把控模型的可解释度，并提供理论辅导、指引解题方向，为队员们取得出色成绩提供有力支持。