教师主页移动版

李炳强 讲师 机械工程学院 个人邮箱： libingqiang@just.edu.cn 办公地点： 通讯地址： 邮政编码： 传真： 您是第1640 位访问者 个人简介 长期以船用柴油机、船舶辅机等船用机械为研究对象，以产品全生命周管理技术研究为重点，开展复杂系统建模技术、系统可靠性分析、产品寿命评估、全三维建模与多尺度设计优化技术、现代制造工艺及其加工机理研究、实验与性能测试的共性技术、数字化工厂及其应用技术等。近期研究方向为机器学习下的设备健康管理，同时擅长软件界面的编写及优化。开展机械结构的故障退化研究与机器学习算法的研究，并从事复杂健康管理系统所需支撑算法的创新与软件界面的编写，给出机器学习在船舶动力传动装备上的应用方案与相关算法的创新思路。与企业开展多项合作项目。 研究方向 长期从事基于机器学习的机械装备故障诊断，性能退化及可靠性研究，船舶动力装备故障诊断及性能预测。开展包括机电设备多模式耦合故障预测方法、多故障模式耦合条件下可靠性研究、性能退化评估及维修决策支持研究。结合信息物理融合、深度学习、迁移学习、智能推理等技术，提出机械装备及船舶动力装备的故障诊断及性能退化预测方法。重视对不同位置传感器信息等多域信息的利用，建立有效的多传感器信息整合和诊断策略，提高诊断的准确性和可靠性。通过创建机电装备的多模式耦合故障诊断方法，应用知识深度推理以及多源信息融合技术揭示多故障模式耦合下机电装备的性能退化机理，建立性能退化评估体系，提高设备故障诊断准确率，依托信号处理、强化学习和深度学习等技术开展机电装备及船舶动力装备故障预测与维修决策优化方法的研究与应用，提供基于状态监测信息的维修优化决策，进而机电装备的安全性、可用性以及经济效益。 教育经历 (1) 2014-09 至 2019-07, 东北大学, 机械设计及理论, 博士 (2) 2010-09 至 2013-01, 中国科学院大学, 机械制造及其自动化, 硕士 (3) 2005-09 至 2009-07, 吉林大学, 机械制造及其自动化, 学士 课程教学 科研项目 1 智慧船舶设计平台开发 2 船舶动力传动装备故障检测与性能退化平台开发 专利成果 1 一种改进的旋转叶片-柔性机匣碰摩力确定方 法 2 基于平方包络和零频率谐振器的弱故障诊断方法 科研团队 论文著作 1 Nonlinear vibration and dynamic stability analysis of rotor-blade system with nonlinear supports 2 Modeling and dynamic characteristic analysis of dual rotor-casing coupling system with rubbing fault 3 Rotating blade-casing rubbing simulation considering casing flexibility 4 Study on nonlinear multiaxial fatigue damage and reliability of TC4 titanium alloy for aeroengine blades 5 Incipient detection of bearing fault using impulse feature enhanced weighted sparse representation