| 姓名： |
王国锋 |
 |
| 性别： |
男 |
| 英文名： |
Wang Guofeng |
| 人才称号： |
|
| 职称： |
教授 博导 |
| 职务： |
null |
专业： |
机械制造及其自动化 |
| 所在机构： |
null |
个人主页： |
|
| 邮箱： |
gfwangmail@tju.edu.cn |
办公地点： |
天大机械工程学院,300354 |
| 传真： |
|
办公电话： |
|
| 主要学历： |
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
|
| 主要学术经历： |
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
|
| 主要研究方向： |
1.高端装备智能加工与控制
2.故障诊断与状态监测
3.航空发动机零部件智能制造
4.高温合金切削性能评价
5.信号处理与模式识别
|
| 主要讲授课程： |
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
|
| 主要学术兼职： |
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
|
| 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。
|
| 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
|
| 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.
|
|
