【概况】

【教育背景】

1992.09-1996.07 天津大学 机械制造工艺与设备专业 本科 1996.09-1999.03 天津大学 机械制造工艺与设备专业 硕士 1999.03-2002.03 天津大学 机械制造工艺与设备专业 博士 2002.03-2004.03 天津大学 机械制造工艺与设备专业 博士后

【学术经历】

2002.03-2015.06 天津大学机械工程学院 副教授 2008.09-2009.09 都灵理工大学 博士后 2011.09-2011.11 克莱姆森大学先进制造实验室访问学者 2015.06-----今 天津大学机械工程学院 教授、博士生导师

【讲授课程】

1.智能诊断与动态测试技术 2.机械原理与机械设计 3.机械设计基础 4.机械设计课程设计

【教学成果】

【研究方向】

1.故障诊断与智能运维 2.制造过程智能监测与控制 3.工业机器人控制与视觉检测 4.数字孪生与智能制造 5.多模态信号处理与模式识别

【学术兼职】

1.中国生产工程学会（机床）常务委员兼秘书长 2.中国振动工程学会转子动力学委员会常务理事 3.中国振动工程学会故障诊断专业委员会常务理事 4.中国设备管理协会智能运维分会常务委员 5.国家自然科学基金面上项目通讯审稿人 6.Journal of Mechanical System and Signal Processing, Journal of Sound and Vibration, Measurement等国际学术期刊审稿人

【科研项目及成果】

主要科研项目： 1.国家自然科学基金面上项目 全闭环机电伺服进给系统在线诊断理论与方法研究 2021/1-2024/12 主持 2.国家重点研发计划子课题 复杂刀具状态信息在线监控及预警技术研究 2019/12-2022/11 负责人 3.国家重点研发计划子课题 多机器人装备协同加工过程在线监控与质量预测 2019/12-2024/11 负责人 4.国家自然科学基金面上项目 复杂型面精铣加工过程状态监测与早期诊断研究 2017/1-2020/12 主持 5.国家自然科学基金面上项目 基于声发射的镍基合金铣削表面缺陷在线监测理论与方法 2012/01-2015/12 主持 6.国家科技重大专项 基于长服役寿命的航空发动机典型难加工材料零件高性能切削技术 2014/01-2016/12 主持 7.天津市科技支撑计划 面向全自动散货码头的一体化智能装船系统 2013/04/03-2016/03/31 主持 主要学术成就： 近年来作为负责人主持国家自然科学基金4 项、国家重点研发计划2项、国家科技支撑计划子课题2项以及其他省部级项目多项。在、等高水平学术刊物发表SCI/EI论文80余篇，他引次数500 次，授权国家发明专利12项，获省部级科技奖励金奖一项、一等奖和二等奖各2项，荣获天津大学“北洋青年学者”称号。

【代表性论著】

1.Hu M, Wang G, Ma K, et al. Bearing Performance Degradation Assessment Based on Optimized EWT and CNN[J]. Measurement,2020,172(1):108868. 2.Yang K, Wang G, Ma K. Chatter prediction based on operational modal analysis and an adaptive complex Morlet filter[J]. Insight, 2020, 62(8):484-492. 3.Yang K, Wang G F, Dong Y, et al. Early chatter identification based on an optimized variational mode decomposition[J]. Mechanical Systems and Signal Processing,2019,115:238-254. 4.Wang G F, Zhang Y C, Liu C, et al. A new tool wear monitoring method based on multi-scale PCA[J]. Journal of Intelligent Manufacturing,2016,30:113-122. 5. Wang G, Liu C, Cui Y, et al. Tool wear monitoring based on cointegration modelling of multisensory information[J]. International Journal of Computer Integrated Manufacturing,2014,27(5): 479-487. 6. Wang G F, Yang Y W, Zhang Y C, et al. Vibration sensor based tool condition monitoring using ν support vector machine and locality preserving projection[J]. Sensors and Actuators A: Physical, 2014, 209: 24-32. 7. Wang G, Yang Y, Xie Q, et al. Force based tool wear monitoring system for milling process based on relevance vector machine[J]. Advances in Engineering Software, 2014, 71: 46-51. 8. Wang G, Guo Z, Qian L. Tool wear prediction considering uncovered data based on partial least square regression[J]. Journal of Mechanical Science and Technology,2014, 28(1): 317-322. 9. Liu C, Wang G, Xie Q, et al. Vibration Sensor-Based Bearing Fault Diagnosis Using Ellipsoid-ARTMAP and Differential Evolution Algorithms[J]. Sensors, 2014, 14(6): 10598-10618. 10. Wang G, Guo Z, Yang Y. Force sensor based online tool wear monitoring using distributed Gaussian ARTMAP network[J]. Sensors and Actuators A: Physical, 2013, 192: 111-118. 11. Wang G, Feng X. Tool wear state recognition based on linear chain conditional random field model[J]. Engineering Applications of Artificial Intelligence,2013, 26(4): 1421-1427. 12. Wang G, Qian L, Guo Z. Continuous tool wear prediction based on Gaussian mixture regression model[J]. The International Journal of Advanced Manufacturing Technology, 2013, 66(9-12): 1921-1929. 13. Wang G, Cui Y. On line tool wear monitoring based on auto associative neural network[J]. Journal of Intelligent Manufacturing, 2013, 24(6): 1085-1094. 14. Wang G, Guo Z, Qian L. Online incremental learning for tool condition classification using modified Fuzzy ARTMAP network[J]. Journal of Intelligent Manufacturing, 2013, 1-9. 15. Wang G, Liu C, Cui Y. Clustering diagnosis of rolling element bearing fault based on integrated Autoregressive/Autoregressive Conditional Heteroscedasticity model[J]. Journal of Sound and Vibration,2012, 331(19): 4379-4387.