联系方式

通讯地址：福建省福州市福州大学城乌龙江北大道2号福州大学机械学院邮编:350108

电子邮箱：cyhfzu@fzu.edu.cn

主要个人简介

常元洪，男，工学博士，现为福州大学机械工程及自动化学院校聘副研究员，福建省太赫兹功能器件与智能传感重点实验室精密仪器与智能测控研究团队成员，主要研究方向为智能故障诊断、重大装备运行监测及故障预示、运载装备运行可靠性与安全维护、基于深度学习的大数据分析与挖掘等。近年来，在《IEEEInternet of Things Journal》、《Mechanical Systems and Signal Processing》、《Reliability Engineering and System Safety》等国际权威期刊和会议上发表SCI/EI论文20余篇（ESI高被引论文1篇），其中以第一作者发表SCI/EI论文13篇，授权发明专利1项。主持福州大学引进人员科研启动项目1项，深度参与国家自然科学基金项目、国家重点研发计划项目等多项国家重大重点项目及校企合作项目5项。担任《IEEEInternet of Things Journal》、《ISA Transactions》、《Reliable Reliability engineering & systems》、《Knowledge-based systems》、《IEEE Transactions on Instrumentation and Measurement》等国际权威期刊特约审稿人。

教育工作经历

2024/12-至今，福州大学，机械工程及自动化学院，校聘副研究员

2024/11-2024/12，福州大学，机械工程及自动化学院，讲师

2021/09-2024/06，西安交通大学，机械工程学院，机械工程，博士

2023/01-2024/01，新加坡南洋理工大学，电子电气工程学院，联合培养博士

2018/09-2021/06，西安交通大学，机械工程学院，机械工程，硕士

2014/09-2018/06，长安大学，工程机械学院，机械设计制造及其自动化，学士（保研）

研究领域（研究课题）

1）智能故障诊断

2）重大装备运行监测及故障预示

3）运载装备运行可靠性与安全维护

4）基于深度学习的大数据分析与挖掘

主要科研项目

1） 福州大学引进人员科研启动项目：“类不平衡样本下变工况运行转向架关键部件故障智能诊断方法研究“，在研，主持

2） 国家自然科学基金面上项目：“类不平衡样本下涡轮泵轴承的健康状态智能识别“，在研，参与

3） 国家自然科学基金培育项目：“面向气路故障的多源数据驱动航空发动机剩余寿命智能预测方法研究“，主研，结题。

4） 国家自然科学基金面上项目：“基于深度神经网络的航空发动机气路故障智能识别技术研究”，参与，结题。

5） 国家重点研发计划项目：”严苛条件下客运索道高效巡检与监测预警技术研究“，主研，结题。

6） 校企合作课题：“转向架旋转部件智能故障诊断方法研究“，主研，结题。

获奖情况

获得亚洲机械与航天工程会议ACMAE 2019（泰国曼谷）高水平国际会议“Best Presentation”奖

获得2020年、2022年西安交通大学研究生国家奖学金

获得西安交通大学“HIWIN”、“谢友柏院士基金”奖学金

获得“林孟良基金”优秀硕士论文奖

获得“徐宗本院士应用数学”论文奖

代表性论著

1.学术论文：

[1] Chang YH, Chen JL, Qu C, Pan TY. Intelligent fault diagnosis of Wind Turbines via a Deep Learning Network Using Parallel Convolution Layers with Multi-Scale Kernels[J], Renewable Energy, 2020, 153:205-213.（SCI；IF=8.7；中科院一区TOP）

[2] Chen JL, Chang YH, Qu C, et al. Intelligent Impulse Finder: A boosting multi-kernel learning network using raw data for mechanical fault identification in big data era[J], ISA Transactions, 2020, 107: 402-414.（SCI；IF=7.3；中科院二区TOP）

[3] Chang YH, Chen JL, Lv HX, Liu S. Heterogeneous bi-directional recurrent neural network combining fusion health indicator for predictive analytics of rotating machinery[J], ISA Transactions, 2022, 122: 409-423.（SCI；IF=7.3；中科院二区TOP）

[4] Chang YH, Chen JL, Chen Q, et al. CFs-focused intelligent diagnosis scheme via alternative kernels networks with soft squeeze-and-excitation attention for fast-precise fault detection under slow & sharp speed variations[J], Knowledge-Based Systems, 2022, 122: 409-423.（SCI；IF=8.8；中科院一区TOP）

[5] Chang YH, Chen JL, Liu YL, et al. Temporal convolution-based sorting feature repeat-explore network combining with multi-band information for remaining useful life estimation of equipment[J], Knowledge-Based Systems, 2022, 249: 108958.（SCI；IF=8.8；中科院一区TOP）

[6] Chang YH, Chen Q, Chen JL, et al. Intelligent fault diagnosis scheme via multi-module supervised-learning network with essential features capture-regulation strategy[J], ISA Transactions, 2022, 129: 459-475.（SCI；IF=7.3；中科院二区TOP）

[7] Chang YH, Chen JL,Wu WY, et al. Intelligent Fault Quantitative Identification for Industrial Internet of Things (IIoT) viaA Novel Deep Dual Reinforcement Learning Model Accompanied With Insufficient Samples[J], IEEE Internet of Things Journal, 2022, 9(20): 19811-19822.（SCI；IF=10.6；中科院一区TOP）

[8] Chang YH, Chen JL, He SL, Pan TY. Similarity Metric-Based Metalearning Network Combining Prior Metatraining Strategy for Intelligent Fault Detection Under Small Samples Prerequisite[J], IEEE Transactions on Instrumentation and Measurement, 2022, 71: 3515814.（SCI；IF=5.6；中科院二区）

[9] Chang YH, Li FD, Chen JL, et al. Efficient temporal flow Transformer accompanied with multi-head probsparse self-attention mechanism for remaining useful life prognostics[J], Reliability Engineering & System Safety, 226: 108701, 2022.（SCI；IF=8.1；中科院一区TOP）

[10] Chang YH, Chen JL, Zheng WG, He SL. Triplet adversarial learning-driven graph architecture search network augmented with probsparse-attention mechanism for fault diagnosis under Few-shot & Domain-shift[J], Mechanical Systems and Signal Processing, 2023, 199: 110462, 2023.（SCI；IF=8.4；中科院一区TOP）

[11] Chang YH, Chen JL, Su R, et al. Two-Phase Dual-Adversarial Agents With Multivariate Information for Unsupervised Anomaly Detection of IIoT-Edge Devices[J]. IEEE Internet of Things Journal, 2024, 11(13): 23577-23591.（SCI；IF=10.6；中科院一区TOP）

2.国家发明专利：

[1]基于注意机制元学习模型的小样本下故障智能诊断方法．CN201910683544.5. 2019．（已授权）

3.学术服务

担任ISA Transactions，Advanced Engineering Informatics，Reliability engineering & systems safety，Knowledge-based systems，Information Sciences，IEEE Transactions on Instrumentation and Measurement，IEEEInternet of Things Journal国际高水平期刊特邀审稿人

课题组具有一流的科研实验平台和浓厚的学习氛围，师资力量雄厚，欢迎对机械信号处理、智能故障诊断、机器学习与深度学习等方向感兴趣的同学加入课题组（擅长Python编程或有相关模型算法经验同学优先），来信必复！