课题组参加第十六届质量、可靠性、风险、维修性及安全性工程国际会议（QR2MSE 2026）

2026年7月22日至25日，由英国工程技术学会、韩国机械工程师学会可靠性分会、日本可靠性工程协会、欧洲安全与可靠性协会、中国运筹学会可靠性分会、中国机械工程学会可靠性工程分会及电子科技大学系统可靠性与安全性研究中心等机构主办，电子科技大学、中国石油大学（华东）等单位承办的“第十六届质量、可靠性、风险、维修性及安全性工程国际会议（The 16th International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering，QR2MSE 2026）”在山东青岛隆重召开。作为质量与可靠性工程领域具有重要国际影响力的学术会议，本次大会围绕可靠性建模与风险分析、故障诊断与预测、状态监测与健康管理、系统分析与优化、可靠性设计、维修与保障以及失效物理等主题展开。课题组成员何裕鑫，郑文静参加了本次国际学术会议并作学术汇报。

本次大会邀请天津大学何桢教授、韩国汉阳大学Suk Joo Bae教授、新加坡国立大学Zhisheng Ye教授、加拿大阿尔伯塔大学Zhigang Tian教授等国内外知名专家作大会主旨报告，报告内容涵盖人工智能赋能质量管理、燃料电池系统可靠性预测、关键任务系统优化中止策略、预测性维修优化、人工智能驱动的可靠性设计优化、高端装备健康管理以及全驱系统容错控制等前沿方向。大会共设置10场主旨报告、11个专题会议和14个常规会议，安排口头报告180场，为来自质量、可靠性、风险、维修性与安全工程领域的专家学者搭建了深入交流与合作的平台。

7月24日，课题组成员郑文静在“故障诊断、预测、状态监测与健康管理（Fault Diagnosis, Prognosis, Condition Monitoring and PHM）”专题会议上作了题为“A Contrastive Learning-Driven Spatiotemporal Framework for Lithium-Ion Battery Fault Diagnosis and Cell-Level Localization”的学术报告。该研究针对锂离子电池故障模式相似、故障单体定位困难以及正常与故障样本分布不平衡等问题，创新性地提出了一种对比学习驱动的时空故障诊断框架。通过参加本次会议，郑文静与国内外从事可靠性工程、智能故障诊断及装备健康管理研究的专家学者进行了广泛交流，进一步了解了相关领域的最新研究成果与发展趋势，获益匪浅。

课题组成员何裕鑫参加本次会议，并作题为“Federated Learning for Privacy-Preserving Prediction of EV Charging Duration Before Plug-In”的学术报告。该研究面向充电时长提前预测与车辆数据隐私保护需求，构建了基于真实多车辆运行数据的联邦预测框架，在不直接汇集原始数据的情况下，实现了插枪前充电时长预测。会议期间，何裕鑫与参会专家围绕充电时长预测、联邦学习及充电管理应用等问题进行了交流。