导师信息

MENU
您所在的位置: 首页» 师资队伍» 导师信息» 控制学科硕士生导师

孙曙光


 

男,博士研究生,副教授,河北工业大学人工智能与数据科学学院。


一、个人简介

河北工业大学博士、博士后,硕士生导师。主要研究方向为智能检测与故障诊断。获得河北工业大学优秀共产党员、三全育人先进个人、我心目中的好导师等荣誉称号。获天津市科技进步三等奖;主持河北省自然基金、河北省教育厅重点项目、天津市科技特派员项目。近年来发表与检测技术相关的论文100余篇。主要研究涉及:

1)   智能检测与模式识别在新能源电力设备状态监测中的应用。

研究人工智能与大数据在新能源电力设备状态感知、故障诊断及寿命预测中的应用,内容包括人工智能算法技术、无损检测技术、视觉检测技术、数字孪生技术、嵌入式系统技术等。

2)人工智能在智慧交通中的应用。

研究人工智能在高速交通行业中的节能降耗、远程巡检、恶劣天气与路况的智能监测,内容包括人工智能算法、自动控制技术、视觉检测技术、物联网数据交互技术等。

3)   人工智能在智慧农业中的应用。

研究视觉检测与人工智能方法在果实生长、储存中的缺陷检测以及品质评估中的应用。内容涉及人工智能算法,视觉检测技术等。 

 

1.教育背景:

2005.9-2009.6:河北工业大学,电机与电器专业,工学博士;

2002.9-2005.3:河北工业大学,控制理论与控制工程,工学硕士;

1998.9-2002.7:河北工业大学,电气工程与自动化,工学学士。

2.工作经历:

2012/12-至今:河北工业大学,副教授;

2007.12-2012.11:河北工业大学,讲师;

2005.11-2007.11:河北工业大学,助教;

2010/1-2012/6,河北工业大学控制科学与工程专业与浙江开关厂有限公司,博士后。


二、主要科研成果:

1.主持或参加的科研项目

1)河北省自然科学基金面上项目,基于振动检测的万能式断路器性能退化与剩余机械寿命评估研究(项目编号:E2021202136)2021-2023,项目负责人。

2)河北省高等学校自然科学重点项目:低压断路器故障在线诊断技术的研究(项目编号:ZD2016108),2016-2018,项目负责人。

3)天津市科技计划项目:基于操作附件电流的框架式断路器机械故障诊断技术(项目编号:16JCYPJC51700),2016-2017,项目负责人。

4)天津市科技支撑重点项目:低压断路器瞬动校验与试验设备的研发与应用(项目编号:12ZCZDGX01400),2015年结题,第二完成人。

5)河北省应用基础研究计划重点基础研究项目:高压开关设备故障在线诊断技术的研究(项目编号:10962126D),2014年结题,第三完成人。

2.主持或参加的科研奖励

天津市科技进步三等奖,低压断路器瞬动校验与试验设备的研发与应用,2016,排名第三。

3.发表论文

代表性论文:

[1]Assessment of electrical wear state in AC contactor contacts utilizing unsupervised clustering and composite model. IEEE Transactions on Instrumentation and Measurement, 2025, 74: 1-15.(SCI 检索,中国科学院二区)。第一作者。

[2]Fault diagnosis of circuit breakers based on MCF-RPs and deep residual knowledge incremental under distillation learning. IEEE Sensors Journal 202424(21)34862-34878.(SCI 检 索,中国科学院二区 )。第一作者。

[3]Remaining useful life prediction for AC contactor based on MMPE and LSTM with dual attention mechanism. IEEE Transactions on Instrumentation and Measurement2022711-13.(SCI检索,中国科学院二区)。第一作者。

[4] Quantitative evaluation of electrical life of AC contactor based on initial characteristic parameters. IEEE Transactions on Instrumentation and Measurement2021703503510.(SCI检索,中国科学院二区)。第一作者。

[5]Fault Assessment of Circuit Breakers Based on Wide-area Generalization Information and ImprovedACGAN.IEEE Sensors Journal202323(20)1.(SCI检索,中国科学院二区Top)。第一作者。

[6]Remaining Useful Life Prediction for Circuit Breaker Based on SM-CFE and SA-BiLSTM.IEEE Transactions on Instrumentation and Measurement2023721.(SCI检索,中国科学院二区)。第一作者。

[7]Fault diagnosis of conventional circuit breaker accessories based on grayscale image of current signal and improved ZFNet-DRN.IEEE Sensors Journal202323(2)1343-1356.(SCI检索,中国科学院二区Top)。第一作者。

[8]Remaining useful life prediction for circuit breaker based on opening-related vibration signal and SA-CNN-GRU.IEEE Sensors Journal202222(23)23009-23022.(SCI检索,中国科学院二区)。第一作者。

[9]Fault diagnosis of conventional circuit breaker contact system based on time–frequency analysis and improved AlexNet. IEEE Transactions on Instrumentation and Measurement2021703508512.(SCI检索,中国科学院二区)。第一作者。

[10]Remaining life prediction of conventional low-voltage circuit breaker contact system based on effective vibration signal segment detection and MCCAE-LSTM.IEEE Sensors Journal202121(19)21862-21871.(SCI检索,中国科学院二区)。第一作者。

[11]On-line mechanical life prediction method for a conventional circuit breaker based on multi-parameter particle swarm optimization-support vector regression using vibration detection. Measurement Science and Technology202233(9)095110-095128.(SCI检索,中国科学院三区)。第一作者。

[12]Research on Evaluation and Prediction Method of Electrical Life of Contactor Individual[J]. IEEJ Transactions on Electrical and Electronic Engineering, 2024, 19(10): 1596-1609. (SCI 检索,中国科学院四区) 。第一作者。

[13]Fault diagnosis for conventional circuit breaker based on one-dimensional convolution neural network. Journal of Electrical Engineering & Technology2022:1-12.(SCI检索,中国科学院四区)。第一作者。

[14]基于空间运动特性的断路器健康状态识别,仪器仪表学报,2024,45(10):50-62.EI检索)。第一作者。

[15]基于粗糙集与证据理论的交流接触器预期电寿命预测,电工技术学报,202035(10)2158-2169.EI)。

[16]基于多信号特征融合的断路器操作机构寿命预测,高电压技术,202248(11)4455-4468.EI 检索)。

4.申请或取得专利

[1]基于性能退化分析与深度学习的接触器剩余寿命预测方法,发明专利,专利号:ZL 2022 1 0149504.4

[2]基于阶段注意力机制网络模型的断路器剩余寿命预测方法,发明专利,专利号:ZL 2022 1 0136953.5

[3]基于振-电信号融合的断路器操作机构机械寿命预测方法,发明专利,专利号:ZL 2021 1 1207687.2

[4]基于深度残差网络的断路器分合闸附件故障诊断方法,发明专利,专利号:ZL 2021 1 1312621.X

[5]一种基于深度学习的万能式断路器触头系统剩余机械寿命预测方法,发明专利,专利号:ZL 2021 1 0416581.7

[6]一种基于深度学习的万能式断路器附件故障诊断方法,发明专利,专利号:ZL 2019 1 0496786.3

[7]一种基于统计数据驱动的万能式断路器操作附件剩余寿命预测方法,发明专利,专利号:ZL 2018 1 1138220.5

[8]一种基于振动信号的框架式断路器机械故障程度评估方法,发明专利,专利号: ZL 2017 1 0284131.0

[9]基于操作附件电流的框架式断路器故障诊断及程度评估方法,发明专利,专利号:ZL 2017 1 0450109.9

[10]基于振声信号特征融合的万能式断路器机械故障诊断方法,发明专利,专利号:ZL 2016 1 0331391.4

 

三、联系方式

地址:天津市北辰区西平道 5340 号 邮编:300401

电话:022-60200005

邮箱:sunshuguang_2000@163.com

 




TOP