师资队伍

Faculty
|

李巍华 Li,Weihua

  • 职称:教授

  • 邮箱:whlee@scut.edu.cn

  • 行政职务:副院长

  • 工作单位:吴贤铭智能工程学院   

  • 最后学位:工学博士  

  • 邮政编码:510640  

  • 毕业院校:华中科技大学机械科学与工程学院

  • 办公室:D1-b505

  • 导师类别:博导  

个人简介  

2003年于华中科技大学机械制造及其自动化专业获工学博士学位,现任华南理工大学吴贤铭智能工程学院副院长、教授、博士生导师。获广东省教学成果奖(高等教育)一等奖1项,二等奖1项。IEEE高级会员(IEEE仪器测试学会状态监测与故障诊断仪器技术委员会联合主席);ASME会员;中国机械工程学会高级会员、设备与维修分会常务理事;中国振动工程学会理事、故障诊断专业委员会常务理事、机械动力学专业委员会理事;中国汽车工程学会会员;中国图象图形学会交通视频专委会理事;广东省机械工程学会设备与维修工程分会副理事长。主要从事装备智能诊断及预测性维护、数字孪生、汽车智能驾驶、车辆NVH测试等研究工作,主持国家重点研发计划课题1项,国家自然科学基金项目4项,广东省重点研发计划课题1项,主持企业合作项目近10项;任IEEE Sensors Journal, Mathematical Problems in Engineering专刊Guest Editor,在IEEE TII、TIM、Sensors Journal、IEEE Multimedia、Renewable Energy、MSSP、Computers in Industry等发表论文80余篇(其中ESI高被引论文6篇);授权发明专利10余项;出版专著4部。

工作经历  

  • 2011 - 2012年   美国NSF/辛辛那提大学 I/UCRC IMS研究中心,机械工程系,访问学者

  • 2003- 至     今   华南理工大学,机械与汽车工程学院,讲师、副教授、教授、博士生导师

  • 2018 - 2021年   华南理工大学,机械与汽车工程学院,副院长

  • 2021 - 至     今   华南理工大学,吴贤铭智能工程学院,副院长

教育经历  

  • 1991 - 1995年   太原理工大学,矿山机械工程系,学士

  • 1995 - 1998年   太原理工大学,矿山机械工程系,硕士

  • 1998 - 2003年   华中科技大学,机械科学与工程学院,博士

研究领域  

  • 复杂机电系统智能故障诊断与预测性维护、健康管理与预测(PHM);智能驾驶汽车环境感知、路径规划与决策等关键技术;振动噪声与控制技术(NVH)。

科研项目  

【国家重点研发计划项目智能运维闭环反馈的重大装备制造服务融合技术及平台--课题2:大数据挖掘与知识发现的重大装备服役性能智能预测方法,课题经费:360万,执行期限:2019.06-2023.05

研究大数据挖掘与知识发现的重大装备服役性能智能诊断预测,包含基于大数据流式计算的诊断模型动态更新、多源异构信息深度融合、运行状态性能指标构造以及服役状态多尺度信息深度强化预测。

【国家自然科学基金面上项目(1) 基于深度迁移学习的机械系统智能诊断方法研究,课题经费:65万,执行期限:2019.1-2022.12(在研)
(2) 基于深度学习与信息融合的机械系统健康评估方法研究,课题经费:80万,执行期限:2015.1-2018.12(已结题)
(3) 基于流形学习和多源信息融合的复杂机械系统健康监测与故障智能预示方法研究,课题经费:40万,执行期限:2011.1-2013.12(已结题)
(4) 基于半监督学习的机械设备离群状态智能预报方法研究,课题经费:23万,执行期限:2007.1-2009.12(已结题)

研究复杂机械系统智能故障诊断与健康状态评估方法,包含基于半监督学习、流形学习、多源信息数据融合、深度学习以及迁移学习等智能算法的复杂机械系统智能运维与诊断方法及其应用研究。

【广东省重点领域研发计划项目基于正向开发的智能网联汽车关键技术研究—智能驾驶环境感知关键技术,课题经费:280万,执行期限:2019.01-2021.12


代表论文  

  • [1].W. Li, Z. Chen and G. He, “A novel weighted adversarial transfer network for partial domain fault diagnosis of machinery,” IEEE Transactions on Industrial Informatics, vol. 17, no. 3, pp. 1753-1762, March 2021. (IF: 9.112) 

  • [2].R. Huang, J. Li, S. Wang, G. Li and W. Li*, “A Robust Weight-Shared Capsule Network for Intelligent Machinery Fault Diagnosis,” IEEE Transactions on Industrial Informatics, vol. 16, no. 10, pp. 6466-6475, Oct. 2020. (IF: 9.112) 

  • [3].Y Xie, S Zheng, W Li*, Feature-Guided Spatial Attention Upsampling for Real-Time Stereo Matching Network, IEEE Multmedia, DOI: 10.1109/MMUL.2020.3030027, Oct. 2020 (IF: 4.962) 

  • [4].Z. Chen, K. Gryllias and W. Li*, “Intelligent Fault Diagnosis for Rotary Machinery Using Transferable Convolutional Neural Network,” IEEE Transactions on Industrial Informatics, vol. 16, no. 1, pp. 339-349, Jan. 2020. (IF: 9.112, ESI highly cited paper) 

  • [5].W. Li, S. Zhang and R. Subhash, “Feature Denoising and Nearest-Farthest Distance Preserving Projection for Machine Fault Diagnosis,” IEEE Transactions on Industrial Informatics, 2016, 12(1):393-404 ( IF: 9.112) 

  • [6].J. Li, R. Huang, G. He, Y. Liao, Z. Wang and W. Li*, “A Two-Stage Transfer Adversarial Network for Intelligent Fault Diagnosis of Rotating Machinery with Multiple New Faults,” IEEE/ASME Transactions on Mechatronics, doi: 10.1109/TMECH.2020.3025615. (IF: 5.673, Online) 

  • [7].R. Huang, J. Li, Y. Liao, J. Chen, Z. Wang and W. Li*, “Deep Adversarial Capsule Network for Compound Fault Diagnosis of Machinery Toward Multidomain Generalization Task,” IEEE Transactions on Instrumentation and Measurement, vol. 70, pp. 1-11, 2021. (IF: 3.658) 

  • [8].R. Huang, J. Li, W. Li* and L. Cui, “Deep Ensemble Capsule Network for Intelligent Compound Fault Diagnosis Using Multisensory Data,” IEEE Transactions on Instrumentation and Measurement, vol. 69, no. 5, pp. 2304-2314, May 2020. (IF: 3.658) 

  • [9].Z. Chen and W. Li*, “Multisensor Feature Fusion for Bearing Fault Diagnosis Using Sparse Autoencoder and Deep Belief Network,” IEEE Transactions on Instrumentation and Measurement, 2017, 66(7):1693-1769 (IF: 3.658, ESI highly cited paper) 

  • [10].Z. Chen, G. He, J. Li, Y. Liao, K. Gryllias and W. Li*, “Domain Adversarial Transfer Network for Cross-domain Fault Diagnosis of Rotary Machinery,” IEEE Transactions on Instrumentation and Measurement, vol. 69, no. 11, pp. 8702-8712, Nov. 2020. (IF: 3.658) 

  • [11].Y. Liao, R. Huang, J. Li, Z. Chen and W. Li*, “Deep Semisupervised Domain Generalization Network for Rotary Machinery Fault Diagnosis under Variable Speed,” IEEE Transactions on Instrumentation and Measurement, vol. 69, no. 10, pp. 8064-8075, Oct. 2020. (IF: 3.658) 

  • [12].B. Zhang, S. Zhang and W. Li*, “Bearing performance degradation assessment using long short-term memory recurrent network,” Computers in Industry, 106:14-29, 2019. (IF: 3.954, ESI highly cited paper) 

  • [13].R. Huang, Y. Liao, S. Zhang and W. Li*, “Deep Decoupling Convolutional Neural Network for Intelligent Compound Fault Diagnosis,” IEEE Access, vol. 7, pp. 1848-1858, 2019. (IF: 3.745, ESI highly cited paper) 

  • [14].Z. Chen, A. Mauricio, W. Li* and K. Gryllias, “A deep learning method for bearing fault diagnosis based on Cyclic Spectral Coherence and Convolutional Neural Networks”, Mechanical Systems and Signal Processing, 2020, 140: 106683. (IF:6.471, ESI highly cited paper) 

  • [15].Z. Chen, K. Gryllias and W. Li*, “Mechanical fault diagnosis using Convolutional Neural Networks and Extreme Learning Machine,” Mechanical Systems and Signal Processing, 2019, 133: 106272. (IF: 6.471) 

  • [16].Z. Zeng, K. Ding, G. He and W. Li*, “Space-time model and spectrum mechanism on vibration signal for planetary gear drive”, Mechanical Systems and Signal Processing, 2019, 129: 164-185. (IF: 6.471) 

  • [17].R. Zhao, W. Li*, W. Zhuge, Y. Zhang and Y. Yin, “Numerical study on steam injection in a turbocompound diesel engine for waste heat recovery,” Applied Energy, vol. 185, Part 1, pp. 506-518, 2017. (IF:8.848) 

  • [18].J. Li, R. Huang, G. He, S. Wang, G. Li and W. Li*, “A Deep Adversarial Transfer Learning Network for Machinery Emerging Fault Detection,” IEEE Sensors Journal, vol. 20, no. 15, pp. 8413-8422, Aug. 2020. (IF:3.073) 

  • [19].S. Zhang, M. Wang, F. Yang and W. Li*, “Manifold Sparse Auto-Encoder for Machine Fault Diagnosis,” IEEE Sensors Journal, vol. 20, no. 15, pp. 8328-8335, Aug. 2020. (IF:3.073) 

  • [20].Y. Liao, L. Zhang and W. Li*, “Regrouping particle swarm optimization based variable neural network for gearbox fault diagnosis”, Journal of Intelligent & Fuzzy Systems, 2018, 34(6): 3671-3680. (IF: 1.851) 


研究专利  

  • [1].李巍华,黄如意,刘龙灿,基于深度解耦卷积神经网络的复合故障诊断方法及装置,已申请发明专利并授权,申请时间:2018.11.23,申请号:201811406372.9,授权号:CN109655259B,授权公告日:2021.02.19

  • [2].刘兰馨,李巍华,一种基于FastR-CNN的路面交通标志识别方法,已申请发明专利并授权,申请号:201710421849.X,申请时间:2017.06.07,授权号:CN107301383B,授权公告日:2020.11.24

  • [3].赵荣超,李巍华,诸葛伟林,张扬军,一种涡轮复合内燃机余热利用装置及其控制方法,已申请发明专利并授权,申请号:201810449774.0,申请时间:2018.05.11,授权号:CN108757163B,授权公告日:2020.11.24

  • [4].侯文擎,李巍华,基于粒子群优化的堆叠降噪自编码网络轴承故障诊断方法,已申请发明专利并授权,申请号:201611164059.X,申请时间:2016.12.16,授权号:CN106682688B,授权公告日:2020.07.28

  • [5].黎嘉豪,李巍华,仇礼钦,等,一种底盘四轮定位仪,已申请发明专利并授权,申请号: CN201611153736.8,申请时间:2016.12.14,授权号:CN106767352B,授权公告日:2020.04.28

  • [6].张斌,李巍华,基于长短时记忆循环神经网络的轴承早期故障识别方法,已申请发明专利并授权,申请号: CN201711273124.7,申请时间:2017.12.06,授权号:CN108303253B,授权公告日:2019.10.18

  • [7].陈秋利,付振元,李巍华,张润生,一种纯电动汽车用锂电池充电控制方法,已申请发明专利并授权,申请号: CN201710321020.2,申请时间:2017.05.09,授权号:CN107310408B,授权公告日:2019.11.15

  • [8].黄培辉,李巍华,刘纪赐,葛厚飞,赵克刚,杨志坚,一种小型赛车的多节点整车控制系统,已申请发明专利并授权,申请号: 201611174531.8,申请时间:2016.12.19,授权号:CN106696862B,授权公告日:2019.01.29

  • [9].陈涛,李巍华,叶鸣,陈祝云,一种整车状态下动力总成悬置系统刚体模态参数测试方法,已申请发明专利并授权,申请号: 201610854520.8,申请时间:2012.12.18,授权号:ZL201610854520.8,授权公告日:2018.10.09

  • [10].李巍华,陈伟彬,张绍辉,一种基于新型装载机构的环卫运输车,已申请发明专利并授权,申请号: 201210553132.8,申请时间:2012.12.18,授权号:CN103129884B,授权公告日:2014.12.31