• 姓名(中文/汉语拼音)王国锋
  • 职称教授 博导
  • 职务
  • 专业机械制造及其自动化
  • 所在系、所
  • 通讯地址天大机械工程学院,300354
  • 电子信箱gfwangmail@tju.edu.cn
  • 办公室电话
  • 传真
主要学历:
1992.09-1996.07 天津大学 机械制造工艺与设备专业 本科
1996.09-1999.03 天津大学 机械制造工艺与设备专业 硕士
1999.03-2002.03 天津大学 机械制造工艺与设备专业 博士
2002.03-2004.03 天津大学 机械制造工艺与设备专业 博士后
主要学术经历:
2002.3-今 天津大学机械工程学院 副教授
2008.9-2009.9 都灵理工大学博士后
2011.9-2011.11 克莱姆森大学先进制造实验室访问学者
2015.6-今 天津大学机械工程学院 教授、博士生导师
主要研究方向:
1.高端装备智能加工与控制
2.故障诊断与状态监测
3.航空发动机零部件智能制造
4.高温合金切削性能评价
5.信号处理与模式识别
主要讲授课程:
1.智能诊断与动态测试技术
2.机械原理与机械设计
3.机械设计基础
4.机械设计课程设计
5.金属工艺学实习
主要学术兼职:
1.中国生产工程学会机床专业委员会委员兼秘书长
2.中国机械工程学会青年工作委员会委员
3.中国振动工程学会故障诊断专业委员会理事
4.国家自然科学基金面上项目通讯评审人
5.湖南省自然科学基金项目通讯评审人
6. Journal of Mechanical System and Signal Processing,Journal of Sound and
Vibration,Mechanical Science and Technology,Sensors等国际学术期刊审稿人
主要学术成就、奖励及荣誉:
近年来作为主要研究人员先后参加国家自然科学基金5 项、数控重大专项课题 2 项以及企业横向合作项目多项,独立负责国家自然科学基金 2 项和国家科技支撑计划子课题 1 项。发表学术论文 50 余篇,其中SCI 收录 20 篇,EI 收录 10 余篇,申请发明专利四项,计算机软件著作权2项,培养的研究生多次获得国家奖学金。天津市科学技术进步一等奖1项,天津市技术发明一等奖1项,天津市科学技术进步二等奖1项,荣获天津大学“北洋青年学者”称号。
主要科研项目及角色:
1.国家自然科学基金面上项目 基于声发射的镍基合金铣削表面缺陷在线监测理论与方法 2012/01-2015/12 主持
2.国家自然科学基金青年基金 复杂铣削路径下刀具磨损状态的协整监测理论与方法 2009/01-2011/12 主持
3.国家科技重大专项 基于长服役寿命的航空发动机典型难加工材料零件高性能切削技术 2014/01-2016/12 主持
4.国家科技支撑计划 高速高效切削共性技术的研究 2007/12-2010/08 主持
5.天津市科技支撑计划 面向全自动散货码头的一体化智能装船系统 2013/04/03-2016/03/31 主持
6.中国航空工业第一集团公司 典型钛合金的数控切削参数实验分析和切削加工性能评价 2011/04-2013/09 主持
7.天津市科技支撑计划 面向超大型船舶作业的智能化起重装备的研制 2014/12/08-2017/03/30 主持
8.丹佛斯(上海)自动控制有限公司 涡旋压缩机减振技术研究 2010/12/15-2011/06/30 主持
9.天津达人科技有限公司 堆取料机光机电一体化 2006/03/01-2009/03/01 主持
10.天津信达自动化工程有限公司 海洋石油111 油轮设备状态监测 2006/03/01-2006/12/01主持
代表性论著:
1.参与编著《机械故障诊断理论及应用》一书,高等教育出版社 ISBN编号:9787040295368
2.Wang G, Liu C, Cui Y, et al. Tool wear monitoring based on cointegration modelling of multisensory information[J]. International Journal of Computer Integrated Manufacturing,2014,27(5): 479-487.
3.Wang G F, Yang Y W, Zhang Y C, et al. Vibration sensor based tool condition monitoring using ν support vector machine and locality preserving projection[J]. Sensors and Actuators A: Physical, 2014, 209: 24-32.
4.Wang G, Yang Y, Xie Q, et al. Force based tool wear monitoring system for milling process based on relevance vector machine[J]. Advances in Engineering Software, 2014, 71: 46-51.
5.Wang G, Guo Z, Qian L. Tool wear prediction considering uncovered data based on partial least square regression[J]. Journal of Mechanical Science and Technology,2014, 28(1): 317-322.
6.Liu C, Wang G, Xie Q, et al. Vibration Sensor-Based Bearing Fault Diagnosis Using Ellipsoid-ARTMAP and Differential Evolution Algorithms[J]. Sensors, 2014, 14(6): 10598-10618.
7.Wang G, Guo Z, Yang Y. Force sensor based online tool wear monitoring using distributed Gaussian ARTMAP network[J]. Sensors and Actuators A: Physical, 2013, 192: 111-118.
8.Wang G, Feng X. Tool wear state recognition based on linear chain conditional random field model[J]. Engineering Applications of Artificial Intelligence,2013, 26(4): 1421-1427.
9.Wang G, Qian L, Guo Z. Continuous tool wear prediction based on Gaussian mixture regression model[J]. The International Journal of Advanced Manufacturing Technology, 2013, 66(9-12): 1921-1929.
10.Wang G, Cui Y. On line tool wear monitoring based on auto associative neural network[J]. Journal of Intelligent Manufacturing, 2013, 24(6): 1085-1094.
11.Wang G, Guo Z, Qian L. Online incremental learning for tool condition classification using modified Fuzzy ARTMAP network[J]. Journal of Intelligent Manufacturing, 2013, 1-9.
12.Wang G, Liu C. Fault diagnosis of rolling element bearings based on complexity measure and ν support vector machine[J]. Insight-Non-Destructive Testing and Condition Monitoring, 2013, 55(3): 142-146.
13.Wang G, Liu C, Cui Y. Clustering diagnosis of rolling element bearing fault based on integrated Autoregressive/Autoregressive Conditional Heteroscedasticity model[J]. Journal of Sound and Vibration,2012, 331(19): 4379-4387.
14.Wang G F, Qian L. Online tool wear prediction based on partial least square regression and Monte Carlo cross validation[J]. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 2012,doi: 0954405412461099.
15.Wang G, Peng D, Qin X, et al. An improved dynamic milling force coefficients identification method considering edge force[J]. Journal of mechanical science and technology, 2012,26(5): 1585-1590.
16.王国锋,李启铭,秦旭达,等. 支持向量机在刀具磨损多状态监测中的应用[J]. 天津大学学报, 2011,44(1):35-39.
17.王国锋,李启铭,秦旭达,等. 协整特征提取在刀具磨损状态监测中的应用研究 [J]. 振动与冲击,2010,29(S):226-228
18.王国锋,李玉波,秦旭达,等. 基于 TVAR_HMM 的滚动轴承故障诊断[J]. 天津大学学报, 2010,43(2):168-173.
19.Wang G, Luo Z, Qin X, et al. Fault identification and classification of rolling element bearing based on time-varying autoregressive spectrum[J]. Mechanical Systems and Signal Processing, 2008, 22(4): 934-947.