近日，广州应用科技学院人工智能与电气工程学院（智能制造学院）传来重磅科研喜讯：青年教师鲁旭尧以学校为第一作者单位完成的学术论文《ZD6turnout switch machine anomaly detection framework based on a multimodal lightweight end-to-end approach》（基于多模态轻量化端到端方法的ZD6转辙机异常检测框架），成功刊载于国际权威SCI期刊《STRUCTURAL HEALTH MONITORING-AN INTERNATIONAL JOURNAL》。该期刊影响因子达5.7，稳居JCR Q1（一区）行列，论文已同步被SCIE数据库检索收录，标志着我校在轨道交通智能运维领域的科研实力又迈进了一个新的台阶。

作为轨道交通信号系统的“神经节点”，ZD6转辙机承担着列车道岔精准转换的核心功能——其运行状态直接关联列车调度效率与行车安全，一旦出现异常，轻则造成线路拥堵，重则引发脱轨等恶性事故。鲁旭尧带领团队以“解决实际工程痛点”为导向，深度嫁接人工智能技术与轨道交通装备运维需求：他们创新构建多模态轻量化端到端深度学习框架，同时采集转辙机运行时的二维时频分布图与一维电枢电流序列数据，通过局部卷积与注意力机制的协同优化，既大幅压缩了模型复杂度、适配工程现场的硬件条件，又实现了异常状态的高精度识别，真正做到“技术先进”与“落地实用”兼备。

科研攻关的同时，鲁旭尧将“实用创新”的理念延伸至教学一线，深度践行学院“一主‘三双’，落地生根”的人才培养特色：以“应用型能力培育”为主线，他把论文中的转辙机异常检测案例拆解为课程实训项目，让学生在“跟着课题做、对着需求学”的过程中，掌握从产业问题到技术方案的转化逻辑；同时他主动参与课程目标达成度评价的持续改进工作，将科研中对“实用性”的严苛标准融入教学质量迭代，让课堂内容始终与轨道交通行业的技术升级同频。

此次成果的落地，是鲁旭尧老师“科研反哺教学、教学滋养科研”的生动实践，更彰显了我院聚焦“产学研用融合”的办学成效。近年来，学校持续为青年教师搭建“对接产业、服务应用”的科研平台，推动教师将产业需求转化为科研课题、将科研成果转化为教学资源——这一良性循环，既让教师的科研方向更“接地气”，也为应用型人才培养铺就了“从课堂到职场”的能力进阶通道。

供稿人：龙志   编发：麦晓婷   初审：胡彩云   复审：余晓锣    终审：解成俊