个人简介

  任超，副教授，硕士/博士生导师。本科，硕士与博士先后毕业西北工业大学和法国国立应用科学学院（INSA集团），随后在挪威斯坦万格大学从事博士后研究工作。主要从事海上风机仿真，海洋结构极值/疲劳分析方法，机器学习算法开发，数字孪生建模等研究。至2025年，已发表国际期刊与会议论文20余篇，包括第一/通讯作者JCR一区论文9篇。主持挪威风能项目一项，参加挪威，丹麦与欧盟项目5项，累积项目金额超1500万人民币。目前团队长期招收博士后研究员、博士生、硕士生及科研助理，欢迎有意向加入的优秀人才联系与咨询。

研究方向

  目前主要聚焦于海上可再生能源与人工智能算法在海洋工程中的应用与开发，包括但不限于以下方面：

1. 海上风机多物理学耦合仿真

2. 海上结构可靠性设计与优化

3. 时序预测算法在载荷与功率预测中的应用

4. 数字孪生技术与高保真建模技术

5. 结构健康监测技术与疲劳寿命预测

  具体研究工作与论文参见：https://scholar.google.com/citations?hl=zh-CN&user=OykoU18AAAAJ

招生及招聘信息

• 科研助理：欢迎具有海洋工程、机械、信号处理、人工智能、或应用数学背景的本科或硕士毕业生申请。薪酬参照华南理工大学合同工相关规定执行，提供年终奖，缴纳五险一金；根据工作业绩不定期发放额外补贴；面试通过后可立即入职。

• 硕士生：招收具有海洋工程、机械、信号处理、人工智能、计算机、应用数学等相关背景的本科毕业生。

• 博士生：欢迎具备海洋工程、机械、信号处理、人工智能、计算机、应用数学等相关背景的硕士毕业生报考，需具备较好的英文沟通与写作能力。

• 博士后：面向具有海洋工程、港口海岸及近海工程、机械、信号处理、人工智能等相关背景的博士毕业生。年薪最高可达57万元，另提供年终奖及科研成果奖励；学校另缴单位社保；配套提供20万元自主科研经费；校内提供博士后人才公寓或住房补贴；出站后可按校内相关政策申请教研、教学或专职科研岗位，学校将择优选聘留校。留在广东省工作的博士后，可申请20万至50万元的安家补贴（按当地政策执行）。

   欢迎有意向者发送简历至邮箱chaoren1105@scut.edu.cn。

教育和工作经历

工作经历：

2025.10– 至今，华南理工大学，海洋科学与工程学院，副教授

2022.10-2025.05，挪威斯塔万格大学，海洋与近海技术专业，博士后

教育经历：

2018.09-2022.05 法国鲁昂国立应用科学学院(INSA Rouen)，机械工程，博士

2016.09-2018.07 法国里昂国立应用科学学院(INSA Lyon)，机械工程，硕士

2013.09-2017.07 西北工业大学，探测制导与控制技术，学士

科研项目经历

1.2023.11-2024.06，挪威地区项目，绿色转型-有关海上风能的工程师教育，主持

2.2022.10-2025.04，挪威国家项目，海上油污分离器产品开发，参与

3.2024.08-2025.03，欧盟项目，基于数据驱动的风机发电器设计以及维护，参与

4.2024.01-2024.06，丹麦创新项目，木钢混合海上浮体平台设计，参与

5.2022.10-2023.04，挪威国家项目，波浪能PTO系统的研发与数字孪生建模，参与

代表作论文

部分代表性论文（至2025年）

1.Ren, C. *, & Xing, Y. (2025).Active learning with a multi-point enrichment strategy for Multi-LocationFatigue Assessment of offshore wind turbines. Engineering Structures, 336,120344.

2.Ren, C.*, & Xing, Y. (2024). An efficient active learning Kriging approach forexpected fatigue damage assessment applied to wind turbine structures. OceanEngineering, 305, 118034.

3.Ren, C.*, & Xing, Y. (2023). AK-MDAmax: Maximum fatigue damage assessment ofwind turbine towers considering multi-location with an active learning approach.Renewable Energy, 215, 118977.

4.Ren,C.*, Aoues, Y., Lemosse, D., & De Cursi, E. S. (2023). Reliability assessment of an offshore wind turbine jacketunder one ultimate limit state considering stress concentration with activelearning approaches. Ocean Engineering, 281, 114657.

5.Ren,C.*, Aoues, Y., Lemosse, D., & De Cursi, E. S. (2022). Ensemble of surrogates combining Kriging and Artificial NeuralNetworks for reliability analysis with local goodness measurement. StructuralSafety, 96, 102186.

6.Ren,C.*, Aoues, Y., Lemosse, D., & De Cursi, E. S. (2021). Comparative study of load simulation approaches used for thedynamic analysis on an offshore wind turbine jacket with different modelingtechniques. Engineering Structures, 249, 113308.