姓名:王奉涛
职称:系主任/教授
工作部门:买球最好的网站机械工程系
办公地点:机电楼305
办公电话:0754-86502941
电子邮件:ftwang@stu.edu.cn
导师类型:博士生导师
教育背景:
1993.09-2000.02吉林工业大学机械工程专业 获工学学士和硕士学位;
2000.03-2003.11大连理工大学机械工程专业获工学博士学位。
工作经历:
2003.11- 2019.07大连理工大学机械工程学院
2019. 08至今买球最好的网站(中国)有限公司
2018.10-2018.11德国弗劳恩霍夫研究院工信部高端装备人才培训班
2011.03-2012.03美国辛辛那提大学 访问学者
研究领域:
机械故障诊断与寿命预测、增材制造过程智能监控、高端海洋装备智能运维
科研项目:
1、基于深度学习的大型金属构件增材制造装备动态监测与智能诊断理论与方法研究,国家自然科学基金面上项目,65万元,2019.01-2022.12
2、激光增材制造技术与装备,2020年广东省普通高校创新团队(自然科学),50万元,2021.01-2023.12
3、基于3D打印的仿生人工颈椎间关节研制,李嘉诚基金会交叉研究项目(医工结合方向),300万元,2020.05-2023.04
4、数字孪生与深度学习融合驱动的金属增材制造装备故障早期预警理论与方法,2021年度广东省自然科学基金面上项目,10万元,2021.01-2023.12
5、选区激光熔化金属增材制造装备智能诊断基础理论与方法研究,2019年广东省普通高校重点研究项目(自然科学),25万元,2020.03-2023.02
6、金属增材制造装备动态监测与智能诊断,买球最好的网站科研启动经费项目,120万元,2019.08-2022.07
7、基于改进Cox模型的航空发动机关键部件寿命预测理论与方法研究,国家自然科学基金面上项目,80万元,2014.01-2017.12
8、XXX轴承系统故障诊断,国防预研重点项目(专题),40万元,2011.05- 2015.12
9、XXX寿命预测理论与方法研究,航空科学基金,10万元,2013.10-2015.09
10、兆瓦级风力发电机组齿轮箱早期故障诊断方法研究,教育部科学技术研究重点项目,10万元,2009.01~2010.12
11、低速重载大型回转支承智能故障诊断与趋势预测软件系统开发,企业科研合作,10万元,2016.01-2018.06
12、连续重整增压机远程监测系统,企业科研合作,78万元,2009.12-2011.03
13、XXX轮胎制造设备预见性维修服务,企业科研合作,39万元,2012.05-2014.07
14、丁苯车间输送、洗胶及干燥操作间噪声治理,企业科研合作,48万元,2009.06-2009.12
主讲课程:
本科生:机械零件设计、现代工程设计与分析软件、测控专业实验、设备监控与故障诊断
研究生:现代制造系统智能监控与故障预测、高速旋转机械动态特性仿真、机械动力学
获奖情况:
高铁列车用高可靠齿轮传动系统,国家科学技术进步奖二等奖,2017-12-06。
学术兼职:
IEEE会员,中国振动工程学会转子动力学分会常务理事、中国机械工程学会设备与维修工程分会常务理事、广东省机械工程学会设备与维修工程分会副理事长、中国振动工程学会设备故障诊断分会理事、辽宁省振动工程学会常务理事;《东北石油大学学报》特约编委;国家自然科学基金通讯评审专家、航空科学基金通讯评审专家;国际国内期刊审稿人:IEEE Transactions on Systems Man Cybernetica-Systems、IEEE Transactions on Industrial Electronics、Mechanical Systems and Signal Processing、Measurement、Shock and Vibration、机械工程学报、振动与冲击、振动工程学报、中国机械工程等国内知名学术期刊。
专著及教材:
王奉涛,苏文胜著.滚动轴承故障诊断与寿命预测.科学出版社,2018.8。(专著)
韩清凯,王奉涛主编.机械工程计算方法.科学出版社,2018.9。(教材)
主要论文:
[1] Rolling element bearing faults diagnosis based on optimal Morlet wavelet filter and autocorrelation enhancement[J]. Mechanical Systems & Signal Processing, 2010, 24(5).
[2] Convolutional Neural Network Based on Spiral Arrangement of Features and Its Application in Bearing Fault Diagnosis [J]. IEEE Access, 2019, 7(1).
[3] Remaining Life Prediction Method for Rolling Bearing Based on the Long Short-Term Memory Network[J]. Neural Processing Letters,2019.
[4]An Enhancement Deep Feature Extraction Method for Bearing Fault Diagnosis Based on Kernel Function and Autoencoder[J].Shock and Vibration, Volume 2018, Article ID 6024874.
[5] Rolling Bearing Reliability Assessment via Kernel Principal Component Analysis and Weibull Proportional Hazard Model[J]. Shock and Vibration, 2017, Volume 2017, Article ID 6184190.
[6]A deep feature extraction method for bearing fault diagnosis based on empirical mode decomposition and kernel function[J]. Advances in Mechanical Engineering, 2018, 10(9).
[7]基于萤火虫优化的核自动编码器在中介轴承故障诊断中的应用,机械工程学报,2019,55(7).
[8]对偶树复小波流形域降噪方法及其在故障诊断中的应用,机械工程学报,2014,50(21).
[9]流形模糊C均值方法及其在滚动轴承性能退化评估中的应用,机械工程学报,2016,52(15).
[10]GLT_CNN方法及其在航空发动机中介轴承故障诊断中的应用,振动工程学报,2019,32(06).
[11]基于EMD和SSAE的滚动轴承故障诊断方法,振动工程学报,2019,32(02).
[12]基于长短期记忆网络的滚动轴承寿命预测方法,振动、测试与诊断,2020,40(02)
[13]基于流形学习的滚动轴承故障盲源分离方法,振动、测试与诊断,2020,40(01)
[14]基于流形-奇异值熵的滚动轴承故障特征提取,振动、测试与诊断,2016,36(02).
[15]基于k值优化VMD的滚动轴承故障诊断方法.振动、测试与诊断,2018,38(03).
[16]Reliability assessment of rolling bearing based on principal component analysis and Weibull proportional hazard model[C]. I2MTC 2017,May 22-25, Torino, Italy.
[17]A Feature Extraction Method for Fault Classification of Rolling Bearing based on PCA[C].DAMAS2015,August 24-26,Gent,Belgium.
[18]A deep neural network based on kernel function and auto-encoder for bearing fault diagnosis[C]. I2MTC 2018, May 14-17, Houston, USA.
发明专利:
1.一种双转子试验台中介轴承装卸方法,发明专利,专利号:ZL201610167996.4,中国,2017.08.01;
2.航空发动机双转子试验台中介轴承外圈装卸方法,发明专利,专利号:ZL201610955072.0,中国,2018.07.06;
3.一种双转子试验台碰摩试验方法,发明专利,专利号:ZL201610625416.1,中国,2018.07.24;
4.一种中介轴承振动信号采集方法,发明专利,专利号:ZL201510398859.7,中国,2018.07.24;
5.航空发动机中介轴承双转子试验台加载方法,发明专利,专利号:ZL201610168625.8,中国,2018.10.16。