English  
利来w66线上平台手机版app - 利来国际w66官方平台
姓名: 王國鋒
性別:
英文名: Wang Guofeng
人才稱號:
職稱: 教授 博導
職務: null 專業: 機械制造及其自動化
所在機構: null 個人主頁:
郵箱: gfwangmail@tju.edu.cn 辦公地點: 天大機械工程學院,300354
傳真: 辦公電話:
主要學歷: 1992.09-1996.07 天津大學 機械制造工藝與設備專業 本科
1996.09-1999.03 天津大學 機械制造工藝與設備專業 碩士
1999.03-2002.03 天津大學 機械制造工藝與設備專業 博士
2002.03-2004.03 天津大學 機械制造工藝與設備專業 博士后

主要學術經歷: 2002.3-今 天津大學機械工程學院 副教授
2008.9-2009.9 都靈理工大學博士后
2011.9-2011.11 克萊姆森大學先進制造實驗室訪問學者
2015.6-今 天津大學機械工程學院 教授、博士生導師

主要研究方向: 1.高端裝備智能加工與控制
2.故障診斷與狀態監測
3.航空發動機零部件智能制造
4.高溫合金切削性能評價
5.信號處理與模式識別

主要講授課程: 1.智能診斷與動態測試技術
2.機械原理與機械設計
3.機械設計基礎
4.機械設計課程設計
5.金屬工藝學實習

主要學術兼職: 1.中國生產工程學會機床專業委員會委員兼秘書長
2.中國機械工程學會青年工作委員會委員
3.中國振動工程學會故障診斷專業委員會理事
4.國家自然科學基金面上項目通訊評審人
5.湖南省自然科學基金項目通訊評審人
6. Journal of Mechanical System and Signal Processing,Journal of Sound and
Vibration,Mechanical Science and Technology,Sensors等國際學術期刊審稿人

主要學術成就: 近年來作為主要研究人員先后參加國家自然科學基金5 項、數控重大專項課題 2 項以及企業橫向合作項目多項,獨立負責國家自然科學基金 2 項和國家科技支撐計劃子課題 1 項。發表學術論文 50 余篇,其中SCI 收錄 20 篇,EI 收錄 10 余篇,申請發明專利四項,計算機軟件著作權2項,培養的研究生多次獲得國家獎學金。天津市科學技術進步一等獎1項,天津市技術發明一等獎1項,天津市科學技術進步二等獎1項,榮獲天津大學“北洋青年學者”稱號。

主要科研項目: 1.國家自然科學基金面上項目 基于聲發射的鎳基合金銑削表面缺陷在線監測理論與方法 2012/01-2015/12 主持
2.國家自然科學基金青年基金 復雜銑削路徑下刀具磨損狀態的協整監測理論與方法 2009/01-2011/12 主持
3.國家科技重大專項 基于長服役壽命的航空發動機典型難加工材料零件高性能切削技術 2014/01-2016/12 主持
4.國家科技支撐計劃 高速高效切削共性技術的研究 2007/12-2010/08 主持
5.天津市科技支撐計劃 面向全自動散貨碼頭的一體化智能裝船系統 2013/04/03-2016/03/31 主持
6.中國航空工業第一集團公司 典型鈦合金的數控切削參數實驗分析和切削加工性能評價 2011/04-2013/09 主持
7.天津市科技支撐計劃 面向超大型船舶作業的智能化起重裝備的研制 2014/12/08-2017/03/30 主持
8.丹佛斯(上海)自動控制有限公司 渦旋壓縮機減振技術研究 2010/12/15-2011/06/30 主持
9.天津達人科技有限公司 堆取料機光機電一體化 2006/03/01-2009/03/01 主持
10.天津信達自動化工程有限公司 海洋石油111 油輪設備狀態監測 2006/03/01-2006/12/01主持

代表性論著: 1.參與編著《機械故障診斷理論及應用》一書,高等教育出版社 ISBN編號:9787040295368
2.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.
3.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.
4.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.
5.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.
6.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.
7.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.
8.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.
9.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.
10.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.
11.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.
12.Wang G, Liu C. Fault diagnosis of rolling element bearings based on complexity measure and ν support vector machine[J]. Insight-Non-Destructive Testing and Condition Monitoring, 2013, 55(3): 142-146.
13.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.
14.Wang G F, Qian L. Online tool wear prediction based on partial least square regression and Monte Carlo cross validation[J]. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 2012,doi: 0954405412461099.
15.Wang G, Peng D, Qin X, et al. An improved dynamic milling force coefficients identification method considering edge force[J]. Journal of mechanical science and technology, 2012,26(5): 1585-1590.
16.王國鋒,李啟銘,秦旭達,等. 支持向量機在刀具磨損多狀態監測中的應用[J]. 天津大學學報, 2011,44(1):35-39.
17.王國鋒,李啟銘,秦旭達,等. 協整特征提取在刀具磨損狀態監測中的應用研究 [J]. 振動與沖擊,2010,29(S):226-228
18.王國鋒,李玉波,秦旭達,等. 基于 TVAR_HMM 的滾動軸承故障診斷[J]. 天津大學學報, 2010,43(2):168-173.
19.Wang G, Luo Z, Qin X, et al. Fault identification and classification of rolling element bearing based on time-varying autoregressive spectrum[J]. Mechanical Systems and Signal Processing, 2008, 22(4): 934-947.

院長信箱 | 黨委書記信箱 | 相關鏈接 | 聯系我們 | 法律聲明
? 2018-2019 機械工程學院 版權所有 [技術支持]天津市天深科技股份有限公司