副教授

张良伟

发布单位: 更新时间:2024/01/05 11:31:49 访问量:

张良伟

副教授,硕士生导师,工业工程系主任

中国系统工程学会系统可靠性工程专业委员会委员、中国振动工程学会动态测试专业委员会委员、EI收录期刊International Journal of Reliability and Safety编委

美国项目管理协会(Project Management Institute, PMI)认证项目管理专家(Project Management Professional, PMP®

办公地点:松山湖校区12B401-1

邮箱:liangwei.zhang@dgut.edu.cn

教育背景/经历 Education

2013.09-2017.01,瑞典吕勒奥工业大学,博士

工作经历 Work Experience

2017.04 至今,东莞理工学院,教师

2018.07-2019.12,瑞典吕勒奥工业大学, 土木、环境与自然资源工程学院运营与维修工程系, 兼职讲师

2009.07-2013.06,瑞典斯凯孚(SKF中国),系统可靠性设备资产管理部,咨询师

科研情况 Scientific

主要研究方向有故障预测与健康管理、异常检测、机器学习、e维修等

1.2022.10-2025.09,广东省基础与应用基础研究基金(区域联合基金-地区培育项目),苛刻工况下散裂中子源中子斩波器的状态监测研究,在研,主持;

2.2019.01-2021.12,国家自然科学基金青年基金项目,针对非线性系统的自适应核宽度异常检测方法研究,已结题,主持;

3.2018.01-2019.12,广东省教育厅高等学校“创新强校工程”青年人才项目,高维空间中基于角度的子空间异常检测,已结题,主持;

4.2018.10-2020.09,东莞理工学院博士科研启动项目,基于非监督式深度学习的旋转机械异常检测,已结题,主持;

5.2020.01-2023.12,国家自然科学基金面上项目,高能粒子环境靶体拖车系统贫信息状态的深度特征强化网络表征研究,,在研,参与;

6.2019.07-2022.06,广东省教育厅自然科学研究项目,智能制造预测健康管理创新团队,已结题,参与;

7.2019.01-2021.12,国家自然科学基金青年基金项目,基于生产不确定性概率预测的车间多尺度实时鲁棒调度方法研究,已结题,参与;

8.2019.01-2021.12,国家自然科学基金青年基金项目,多源迁移学习的贝叶斯网络预测方法与应用研究,已结题,参与;

9.2018.05-2021.04,广东省自然科学基金项目,大数据驱动的风力机剩余寿命预测与视情维修调度研究,已结题,参与;

10.2006-2010,国防“十一五”计划课题,“XXX快速响应制造”,已结题,参与。

第一/通讯作者论文(节选):

1. Zhang, L., Lin, J*., Shao, H., Yang, Z., Liu, B., & Li, C. (2024). An unsupervised end-to-end approach to fault detection in delta 3D printers using deep support vector data description. Journal of manufacturing systems, 72, 214-228. (SCI收录,影响因子12.1)

2. Zhang, L., Fan, Q.*, Lin, J., Zhang, Z., Yan, X., & Li, C. (2023). A nearly end-to-end deep learning approach to fault diagnosis of wind turbine gearboxes under nonstationary conditions. Engineering applications of artificial intelligence, 119, 105735. (SCI收录,影响因子8)

3. Zhang, L., Zhang, J., Peng, Y., & Lin, J.* (2022). Intra-Domain Transfer Learning for Fault Diagnosis with Small Samples. Applied Sciences, 12(14), 7032. (SCI收录,影响因子2.7)

4. Shao, H., Lin, J., Zhang, L*., Galar, D., & Kumar, U. (2021). A novel approach of multisensory fusion to collaborative fault diagnosis in maintenance. Information Fusion, 74, 65-76. (SCI收录,影响因子18.6)

5. Zhang, L., Lin, J*., Shao, H., Zhang, Z., Yan, X., & Long, J. (2021). End-to-end unsupervised fault detection using a flow-based model. Reliability Engineering & System Safety, 215, 107805. (SCI收录,影响因子8.1)

6. Long, J., Mou, J., Zhang, L.*, Zhang, S., & Li, C. (2021). Attitude data-based deep hybrid learning architecture for intelligent fault diagnosis of multi-joint industrial robots. Journal of manufacturing systems, 61, 736-745. (SCI收录,影响因子12.1)

7. Zhang, L., Lin, J., Liu, B*., Zhang, Z., Yan, X., & Wei, M. (2019). A review on deep learning applications in prognostics and health management. IEEE Access, 7, 162415-162438. (SCI收录,影响因子3.9).

8. Zhang, L.*, Lin, J., & Karim, R. (2018). Adaptive kernel density-based anomaly detection for nonlinear systems. Knowledge-Based Systems, 139, 50-63. (SCI收录,影响因子8.8)

9. Zhang, L.*, Lin, J., & Karim, R. (2017). Sliding window-based fault detection from high-dimensional data streams. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 47(2), 289-303. (SCI收录,影响因子8.7)

10. Zhang, L.*, Lin, J., & Karim, R. (2015). An angle-based subspace anomaly detection approach to high-dimensional data: With an application to industrial fault detection. Reliability Engineering & System Safety, 142, 482-497. (SCI收录,影响因子8.1)

教学相关 Teaching:

主讲课程包括:《应用统计学》(双语)、《机器学习及其工业应用》、《精益生产》、《精益生产实践》等。多次学生评教位列机械工程学院前3名,部分学生评教信息如下:

2019年春季,《管理统计学》,2016级工业工程专业本科生,排名第1;

2020年春季,《管理统计学》,2017级工业工程专业本科生,排名第2;

2020年秋季,《应用统计学》,2018级工业工程专业本科生,排名第1;

2021年秋季,《应用统计学》,2019级工业工程专业本科生,排名第3;

2022年秋季,《应用统计学》,2020级工业工程专业本科生,排名第5;

2023年春季,《机器学习及其工业应用》,2021级工业工程专业本科生,排名第1。

主讲课程《应用统计学》获东莞理工学院2022年校级质量工程项目“校级线下一流课程”立项(教务[2023]14号),以第一作者发表教改论文一篇。

获奖情况 Awards

2017-2018学年东莞理工学院机械工程学院教师教学技能竞赛,二等奖;

2018年度东莞理工学院青年教师教学技能竞赛(工科组第一名),一等奖;

2018-2019学年获东莞理工学院“优秀教师”称号;

2022年获东莞理工学院校级教学成果奖“现代产业学院知识协同再生产课程开发模式创新实践”(排名第8);

2023年指导学生参加工业工程类专业优秀课程设计展示活动(教育部高等学校工业工程教指委主办)获优秀等次(最高等次);

2023年指导学生参加第五届广东省暨粤港澳大湾区工业工程创新大赛(广东省机械工程学会工业工程分会主办)获二等奖;

2023年联合中国散裂中子源申报广东省仪器仪表学会科学技术奖,获一等奖(排名第8)。