西南交通大学关于2018年度公开招聘应聘人员情况

西南交通大学关于2018年度公开招聘应聘人员情况

ID:30520343

大小:90.00 KB

页数:4页

时间:2018-12-31

西南交通大学关于2018年度公开招聘应聘人员情况_第1页
西南交通大学关于2018年度公开招聘应聘人员情况_第2页
西南交通大学关于2018年度公开招聘应聘人员情况_第3页
西南交通大学关于2018年度公开招聘应聘人员情况_第4页
资源描述:

《西南交通大学关于2018年度公开招聘应聘人员情况》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、西南交通大学关于2018年度公开招聘应聘人员情况应聘人:郭亮应聘岗位:师资博士后应聘单位:西南交通大学应聘单位负责人签章:1、基本情况性别男国籍中国籍贯湖南常德现任专业技术职务博士后任职时间2016/07出生年月1988/04/14现工作单位或人事关系所在部门西安交通大学最后学位博士授予学位单位西南交通大学最后学习阶段导师高宏力国内外主要学术及社会兼职担任多个SCI期刊的审稿人,包括:IEEETransactiononIndustrialElectronics;IEEETransactiononInstrumentationandMea

2、surement;MechanicalSystemsandSignalProcessing;MeasurementScienceandTechnology等从事专业机械工程主要学术成绩、创新成果及评价(限800字以内)个人主要研究方向为大数据下的机械设备智能故障诊断与剩余寿命预测:1.针对机械振动信号的非平稳、非线性特点,突破原有基于固定基函数内积变换的信号处理思路,提出了基于字典学习理论的振动信号自适应去噪算法,算法应用于轴承振动信号去噪。针对原有振动信号特征提取需要先验知识的问题,提出了基于深度学习理论的振动信号特征学习算法。从大量

3、非标签时域信号序列中非监督学习得到信号的分层表征特征,最后通过少量标签数据训练网络的特征识别参数。2.鉴于工业现场难以获取足够有标签数据进行故障识别和寿命预测模型训练的问题,提出了一种深度迁移卷积网络。该网络利用实验室设备所产生的大量有标签数据提高工业现场模型的性能,从而促进智能模型的工业实用化。3.针对传统特征提取方法需要通过获取全寿命周期信号对特征进行归一化的缺点,提出了一种相对相似性特征提取方法用于设备健康指标构建。通过相对相似性方法提取的特征取值范围在0~1之间。针对当前健康指标构建需要手动提取特征的问题,提出了基于卷积神经网络

4、的自动健康指标构建方法。提出的方法直接从原始信号构建健康指标,所构建的健康指标取值范围确定,解决了现有健康指标需要人为先验知识确定失效阈值的问题。4.研究了风机传动链健康指标构建方法。根据监测数据特点,充分利用监测数据的时间尺度信息,构建了基于循环神经网络的健康指标,将风机传动链的全寿命周期信息映射到特定数值区间,为风电机组主传动链的状态监测提供了有力的指标支撑。主导完成了风电机组主传动链状态监测算法的工程实现,并联合调试了实现算法与前端界面显示程序。将完成的风电机组主传动链状态监测系统成功部署在华电风电工业现场。以上成果发表SCI/E

5、I学术论文21篇(第一或通讯作者10篇),其中SCI收录7篇、EI收录14篇,参编教材1本;SCI他人引用107次,1篇EI国际会议论文获最佳论文奖;授权发明专利9项。明确:第一作者或通信作者论文:A++2篇;A+1篇;A5篇;B+1篇。4/42、学习经历学历/学位起止时间毕业学校所学专业导师培养方式本科2007/09—2011/06西南交通大学测控技术与仪器高宏力统招博士2011/09—2016/06西南交通大学机械电子工程高宏力统招3、工作经历起止时间职位名称任职单位2016/07至今博士后西安交通大学4、论文情况(5篇以内代表性论

6、文):序号题目发表刊物或出版单位名称年度卷期号页码作者排名第一作者单位刊物性质及期刊号论文分区(学术期刊分级A++等,SCI?区期刊类别影响因子及排序他人引用次数1MachineryhealthindicatorconstructionbasedonconvolutionalneuralnetworksconsideringtrendburrNeurocomputing2018(292):142-1501西安交通大学SCI期刊0925-2312A++中科院SCI二区3.31702Arecurrentneuralnetworkbasedh

7、ealthindicatorforremainingusefullifepredictionofbearingsNeurocomputing2017(240):98-1091西安交通大学SCI期刊0925-2312A++中科院SCI二区3.317373MultifeaturesfusionandnonlineardimensionreductionforintelligentbearingconditionmonitoringShockandVibration20161西南交通大学SCI期刊1070-9622A+中科院SCI四区1.12

8、8174DeepconvolutionfeaturelearningforhealthindicatorconstructionofbearingsPHM-2017(Bestpaperaward,会议最佳论

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。