王朝阁

博士、讲师、硕士生导师

基本情况

姓名：王朝阁

学位/职称/导师：博士、讲师

所在系所：机械工程系

办公电话：021-38282686

联系地址：上海浦东新区海港大道1550号糖心vlog453室

电子邮箱：cgwang@shmtu.edu.cn

教育背景与工作经历：

2017.9 - 2021.9   大连理工大学     机械工程学院  机械电子工程，博士

2021.11-至今     糖心vlog     糖心vlog机械工程系，讲师

学术与社会兼职：国家自然科学基金委员会函评专家、中国振动工程学会会员、上海市机械工程学会会员、目前担任Measurement、Expert Systems With Applications、IEEE Sensors Journal、Mathematical Problems in Engineering和Shock and Vibration等多个国际SCI期刊的审稿人。

奖励与荣誉：

2022年获 “第十七届研究生电子竞赛”优秀指导教师

2021年获  辽宁省优秀毕业生称号

2019年获  博士研究生国家奖学金

2019年获  中国冶金教育学会优秀硕士学位论文奖 

2016年获  硕士研究生国家奖学金     

研究方向：

1. 机械装备健康监测与故障诊断； 2. 机械信号处理与微弱特征增强； 

3. 基于深度学习的智能故障诊断； 4. 机械装备剩余寿命预测；

5. 多传感器/多源信息智能感知与融合技术

科研成果：

主持与参与科研项目（纵向、横向）

（1）国家自然科学基金青年科学基金项目：“非理想数据下变工况风电齿轮箱智能故障诊断与寿命预测方法研究”（No.52205111）, 2023.01～2025.12，主持；

（2）国家重点研发计划项目：“齿轮传动系统动力学基础理论及其健康监测”（No.2019YFB2004600），2020.01～2022.12，参与。

（3）上海市自然学基金项目：“大型岸桥运行装备空间声场成像及智能故障诊断技术研究”（No. 23ZR1426700），2023.04～2026.03，参与。

（4）辽宁省科技创新重大专项项目：“智能装备工业互联网平台研制与应用” （No.2019JH1/10100019），2019.07 ～2021.06，参与。

（5）大连市科技创新基金项目：“重大装备智能运维关键技术研究” （No.2020JJ25CY009），2020.01 ～ 2022.12，参与。

（6）新能源汽车（企业）技术项目：“电驱故障快速诊断”，（No.H20230107） 2022.06～2023.07，主要完成人。

（7）新能源汽车（企业）技术项目：“电驱动系统信息融合项目”，（No. H20220422）2022.9～2022.12，主要完成人。

代表性学术成果：

已发表SCI/EI期刊论文30余篇，其中一作/通讯10余篇；申请发明专利2项，授权1项（实质审查1项）。

[1] Wang C.G, Li H.K, Zhang K.L, Hu S.L, Sun B. Intelligent fault diagnosis of planetary gearbox based on adaptive normalized CNN under complex variable working conditions and data imbalance, Measurement, 2021, 180(109565): 1-18. (SCI，被引23次)

[2] Wang C.G, Li H.K, Ou J.Y, Hu R.J, Hu S.L, Liu A.Q. Identification of planetary gearbox weak compound fault based on parallel dual-parameter optimized resonance sparse decomposition and improved MOMEDA, Measurement, 2020, 165(108079): 1-18. (SCI，被引29次)

[3] Wang C.G, Li H.K, Huang G.J, Ou J.Y. Early fault diagnosis for planetary gearbox based on adaptive parameter optimized VMD and singular kurtosis difference spectrum, IEEE Access, 2019, 7: 31501-31516.  (SCI，被引47次)

[4] Jia P.P, Wang C.G, Zhou F.N, Hu X. Trend Feature Consistency Guided Deep Learning Method for Minor Fault Diagnosis [J]. Entropy. 2023; 25(2): 242. (SCI)

[5] Tang, S.J, Wang, CG, Zhou, F.A, Hu, X, Wang, T.Z. Multi-Scale Recursive Semi-Supervised Deep Learning Fault Diagnosis Method with Attention Gate[J]. Machines, 2023, 11(2), 153. (SCI)

[6] Li, H.K, Yang R, Wang C.G, He C.B. Investigation on planetary bearing weak fault diagnosis based on a fault model and improved wavelet ridge, Energies, 2018, 11(5), 1286.  (SCI)

[7] Yang R, Li H.K, Wang C.G, He C.B. Rolling element bearing weak feature extraction based on improved optimal frequency band determination, Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, 2019, 233(2):623-634.  (SCI)

[8] Yue C, Zheng, X.M, Wang CG, Liu H, Chen H. Modeling and identification method of bolt loosening of joint surface under axial tension of multistage disk-drum rotor, Eksploatacja i Niezawodnosc-Maintenance and Reliability, 2023, 25(2): 165779.  (SCI)

[9] He C.B, Niu P, Yang R, Wang C.G, Li Z.X, Li H.K. Incipient rolling element bearing weak fault feature extraction based on adaptive second-order stochastic resonance incorporated by mode decomposition, Measurement, 2019, 145:687-701.  (SCI)

[10] Zhang K.L, Li H.K, Cao S.X, Wang C.G, Sun B, Liu A.Q. Investigation on planetary gearbox fault mechanism under variable speed conditions based on rigid-flexible coupling dynamics model, Engineering Failure Analysis, 2022,133, 105994.  (SCI)

[11] Liu A.Q, Yang Z.Y, Li H.K, Wang C.G, Liu X.J. Intelligent diagnosis of rolling element bearing based on refined composite multiscale reverse dispersion entropy and random forest, Sensors, 2022, 22(5), 2046.  (SCI)

[12] Wang L.J, Li X.Y, Xu D, Ai S.J, Wang C.G*（通讯作者）, Chen C.G. Bearing fault feature extraction based on adaptive OMP and improved K-SVD, Processes, 2022, 10, 675.  (SCI)

[13] 王朝阁,李宏坤, 胡少梁,胡瑞杰,任学平.利用参数自适应多点最优最小熵反褶积的行星轮轴承微弱故障特征提取.振动工程学报,2021,34(3): 633-645. （EI）

[14] 王朝阁,李宏坤,曹顺心,周强,刘艾强,任学平.改进VMD和非凸重叠组收缩降噪的行星齿轮箱早期故障特征提取. 振动工程学报, 2021, 34(6): 1293-1304. （EI）

[15] 王朝阁,李宏坤,杨蕊,任学平.基于自适应噪声参数优化ELMD的行星齿轮箱故障诊断研究. 振动与冲击,2020,39(18):60-69. （EI）

[16] 王朝阁, 张奇奇, 周福娜，王冉，胡雄，李宏坤. 时变转速下基于IFMD的行星齿轮箱微弱故障诊断. 振动工程学报（录用待发表）. （EI）

[17] 任学平,王朝阁*（通讯）, 张玉皓,王建国. 基于双树复小波包自适应Teager能量谱的滚动轴承早期故障诊断.振动与冲击, 2017,36(10):84-92. （EI）

[18] 任学平,王朝阁*（通讯）,张玉皓,王建国.基于DT-CWT自适应Teager能量谱的轴承早期故障诊断.振动、测试与诊断, 2017,37(04):735-742+842. （EI）

[19] 杨蕊,李宏坤,王朝阁,郝佰田.利用FCKT以及深度自编码神经网络的滚动轴承故障智能诊断.机械工程学报,2019,55(07):65-72. （EI）

[20] 任学平,黄慧杰,王朝阁,李攀,刘桐桐,张超.改进的TQWT在滚动轴承早期故障诊断的应用.振动、测试与诊断,2020,40(02):317-325+420. （EI）

[21] 任学平,李攀,王朝阁,张超.基于改进VMD与包络导数能量算子的滚动轴承早期故障诊断.振动与冲击,2018,37(15):6-13. （EI）

[22] 李宏坤,王朝阁, 胡少梁. 一种基于APEWT和IMOMEDA的行星齿轮箱早期故障诊断方法,中国, ZL202010541496.9  （授权发明专利）

[23] 王朝阁,周福娜,胡雄,李凤,张帆. 一种时变工况下无转速计的行星齿轮箱复合故障诊断方法,中国, 202111559299.0  （申请发明专利）

主要讲授的课程：

《机械设计基础》、《机电设备故障诊断》、《测试信号分析与处理》、《材料力学》

学生（人才）培养成绩：

1．2022年度上海大学生创新创业训练计划项目：基于多源信息融合的风电齿轮箱健康状态识别技术研究，省（市）级。

2. 2023年度上海大学生创新创业训练计划项目：基于深度学习和多传感器技术的港口火灾检测研究及智能灭火机器人平台搭建，省（市）级。

3. 2023年度上海大学生创新创业训练计划项目：基于声音及电磁信号实现目标搜寻及自动充能的无人小车，省（市）级。

4. 2023年度上海大学生创新创业训练计划项目：市无人救援车车载无线传电装置设计，校级。

博士硕士招生专业和要求

欢迎机械工程、计算机、自动控制、应用数学、力学等专业的学生报考；

欢迎擅长 Python、Matlab、ANSYS 与 CAE 仿真、Solidworks 编程的学生报考。

欢迎勤奋好学，积极乐观，有团结协作，大局意识，能吃苦耐劳，热爱科研，想学东西的学生，谢绝松散懒惰的学生。

本课题组支持有想法的学生做自己喜欢的科研。