|
个人简介
大家好！我是杨博渊，威尼斯7798cc副教授。
我于2009年-2013年在西安交通大学钱学森实验班学习，获得实验班工科学士荣誉学位； 2019年9月获得西安交通大学博士学位（优秀毕业）； 2017年12月-2019年1月在美国南加州大学工程学院博士联合培养学习（导师S. Joe Qin）； 2019年4月-2020年11月，英国曼彻斯特大学电气电子工程学院博士后、副研究员，英国自然科学基金（EPSRC）资助项目。
我于2020年12月通过海外人才引进加入威尼斯7798cc方勇纯教授研究团队，目前的主要研究方向包括1）智能工业运维：工业大数据分析与应用、机械设备智能故障诊断与寿命预测、机械装备健康监测与维护决策等；2）智能能源管理：电池衰减状况监测、剩余电量预测以及电池管理系统等；3）人工智能博弈；4）机器学习与信号处理基础理论研究等。总结发表学术论文20余篇，引起国内外学者的广泛关注和引用，总被引频次1300多次（来自谷歌学术统计数据），单篇最高被引650次以上，累计共有SCI论文1篇入选ESI热点论文以及4篇入选ESI高被引论文。
我与国外多个实验室建立了长期友好的合作关系，包括卡耐基梅隆大学计算机科学学院LTI、香港城市大学数据科学学院、曼彻斯特大学电气电子工程学院控制系等，优秀学生可推荐交流学习或继续深造。 ⭐研究生名额尚有空缺。⭐ 非常欢迎考研、保研或想提前进入实验室的本科生与我联系 yby@nankai.edu.cn.
|
|
科研项目、成果、获奖、专利
英国自然科学基金：“Development and demonstration of methods and tools for large scale wind turbine pitch bearing condition assessment“，2019.5.-2021.11，169123英镑。 作为通讯作者发表的论文Simultaneous Bearing Fault Recognition and Remaining Useful Life Prediction Using Joint-Loss Convolutional Neural Network,” 被授予IEEE工业电子学会顶级会刊《IEEE Transactions on Industrial Informatics》（影响因子IF=9.112）2021年最佳论文奖，是该期刊当年仅有的两篇获奖论文之一。将于2021年10月召开的IEEE工业电子学会国际年会颁奖。 |
|
撰写论文、专著、教材等
5篇代表著作：
[1] Liu R, Wang F, Yang B*, et al. Multi-scale Kernel based Residual Convolutional Neural Network for Motor Fault Diagnosis Under Non-stationary Conditions[J]. IEEE Transactions on Industrial Informatics, 2020.(中科院一区期刊，IF=9.112)
[2] Yang B, Liu R, Zio E. Remaining useful life prediction based on a double-convolutional neural network architecture[J]. IEEE Transactions on Industrial Electronics, 2019, 66(12): 9521-9530. (中科院一区期刊，IF=7.515)
[3]Liu R, Yang B*, Hauptmann A G. Simultaneous Bearing Fault Recognition and Remaining Useful Life Prediction Using Joint-Loss Convolutional Neural Network[J]. IEEE Transactions on Industrial Informatics, 2020. (ESI高被引论文，中科院一区期刊，IF=9.112)
[4] Liu R, Yang B, Zio E, et al. Artificial intelligence for fault diagnosis of rotating machinery: A review[J]. Mechanical Systems and Signal Processing, 2018. (ESI高被引论文，热点论文, 中科院一区期刊, 6.471)
[6] Yang B, Liu R, Chen X. Fault diagnosis for a wind turbine generator bearing via sparse representation and shift-invariant K-SVD[J]. IEEE Transactions on Industrial Informatics, 2017, (中科院一区期刊，IF=9.112) |
