发布时间：2021-11-23 编辑：考研派小莉 推荐访问：
东莞理工学院机械工程学院：张绍辉的内容如下，更多考研资讯请关注我们考研派网站的更新！敬请收藏本站。或下载我们的考研派APP和考研派微信公众号（里面有非常多的免费考研资源可以领取哦）[东莞理工学院机械工程学院：朱艳] [东莞理工学院机械工程学院：陈磊] [东莞理工学院机械工程学院：王珂玮] [东莞理工学院机械工程学院：赵愈亮] [东莞理工学院机械工程学院：徐进] [东莞理工学院机械工程学院：宋菊青]
东莞理工学院学姐微信
为你答疑,送资源
为你答疑,送资源
95%的同学还阅读了： [2022东莞理工学院研究生招生目录] [东莞理工学院研究生分数线[2013-2021]] [东莞理工学院王牌专业排名] [东莞理工学院考研难吗] [东莞理工学院研究生院] [东莞理工学院研究生学费] 东莞理工学院考研调剂2022最新信息 [考研国家线[2006-2021]] [2022年考研时间：报名日期和考试时间]
东莞理工学院机械工程学院：张绍辉正文
张绍辉 教授
办公室电话 Office Phone：
E-mail：
zhangsh@dgut.edu.cn
教育背景/经历 Education
2009.09-2014.06 华南理工大学 博士生（硕博连读）
2005.09-2009.07 华侨大学 本科生
2005.09-2009.07 华侨大学 本科生
工作经历 Work Experience
2018.03-- 东莞理工学院 教师2014.07--2018.02 厦门理工学院 教师
科研情况 Scientific
主要研究方向机械故障诊断、健康监测管理、智能制造、深度学习等
1.高能粒子环境靶体拖车系统贫信息状态的深度特征强化表征研究（51975121），国家自然科学基金面上项目，直接经费60万元，2020.1-2023.12，主持；
2.基于深度置信网络诊断模型构建及在风电齿轮传动系统状态识别的应用研究（51605406），国家自然科学基金青年项目，2017/01-2019/12，直接经费：20万元，主持；
3.基于稀疏自编码理论的风电齿轮传动系统故障诊断及其寿命预测研究（2018J01531），福建省自然科学基金（面上项目），8万元，2018/01-2021/12，主持；
4.面向增材制造装备精密传动的深度迁移学习健康监测研究（2019M652881），中国博士后科学基金，8万元，2018/03-2020/03，主持；
5.广东省普通高校重点领域专项（新一代信息技术）（2020ZDZX3029），12.5万元，2021/01-2022/12，主持；
6.生物大数据人体状态智能健康管理（TDQN2019008），东莞理工学院青年团队项目，30万，2019/12-2021/12，主持；
7.模具智能制造工业大数据技术成果育成团队（196100045017），企业项目，30万，2019/12-2021/12，主持。
1.高能粒子环境靶体拖车系统贫信息状态的深度特征强化表征研究（51975121），国家自然科学基金面上项目，直接经费60万元，2020.1-2023.12，主持；
2.基于深度置信网络诊断模型构建及在风电齿轮传动系统状态识别的应用研究（51605406），国家自然科学基金青年项目，2017/01-2019/12，直接经费：20万元，主持；
3.基于稀疏自编码理论的风电齿轮传动系统故障诊断及其寿命预测研究（2018J01531），福建省自然科学基金（面上项目），8万元，2018/01-2021/12，主持；
4.面向增材制造装备精密传动的深度迁移学习健康监测研究（2019M652881），中国博士后科学基金，8万元，2018/03-2020/03，主持；
5.广东省普通高校重点领域专项（新一代信息技术）（2020ZDZX3029），12.5万元，2021/01-2022/12，主持；
6.生物大数据人体状态智能健康管理（TDQN2019008），东莞理工学院青年团队项目，30万，2019/12-2021/12，主持；
7.模具智能制造工业大数据技术成果育成团队（196100045017），企业项目，30万，2019/12-2021/12，主持。
出版物 Publications
发表主要论文40多篇，SCI收录30多篇，其中SCI中科院一区TOP期刊5篇；获得发明专利授权3件。
1. Zhang S, Sun Z, Wang M, Long J, Bai Y, Li C. Deep Fuzzy Echo State Networks for Machinery Fault Diagnosis, IEEE Transactions on Fuzzy Systems, Early Access, 2019, DOI: 10.1109/TFUZZ.2019.2914617.
2. Shaohui Zhang, Zhenzhong Sun, Chuan Li, Diego Cabrera, Jianyu Long, and Yun Bai. Deep hybrid state network with feature reinforcement for intelligent fault diagnosis of delta 3D printers, IEEE Transactions on Industrial Informatics, Early Access, 2019, DOI: 10.1109/TII.2019.2920661.
3. Shaohui Zhang, Xiang Duan, Chuan Li, Ming Liang. Pre-classified reservoir computing for the fault diagnosis of 3D printers, Mechanical Systems and Signal Processing, Accept, 2020.
4. Guo J, Li X, Liu Z, Zhang S*, Wu J, Li C, Long J. A novel doublet extreme learning machines for Delta 3D printer fault diagnosis using attitude sensor. ISA Transactions, in press, 2020.
5. Pu Z, Li C, Zhang S*, Bai Y. Fault diagnosis for wind turbine gearboxes by using deep enhanced fusion network. IEEE Transactions on Instrumentation and Measurement, in press, 2020.
7. Chuan Li, Shaohui Zhang*, Qing Yi, A systematic review of deep transfer learning for machinery fault diagnosis, Neurocomputing, Accept.
8. Zhang S, Sun Z, Long J, et al. Dynamic condition monitoring for 3D printers by using error fusion of multiple sparse auto-encoders, Computers in Industry, 2019, 105: 164-176.
9. Zhang S, Wang M, Yang F, Li W. Manifold Sparse Auto-Encoder for Machine Fault Diagnosis. IEEE Sensors Journal, in press, 2019.
10. J Guo, Z Lao, M Hou, C Li, S Zhang*. Mechanical Fault Time Series Prediction by using EFMSAE-LSTM Neural Network, Measurement, in press, 2020.
11. Jianyu Long, Zhenzhong Sun, Chuan Li, Ying Hong, Yun Bai, Shaohui Zhang*. A novel sparse echo auto-encoder network for data-driven fault diagnosis of delta 3D printers, IEEE Transactions on Instrumentation and Measurement, pp: 1-10, 2019.
12. 张绍辉，李巍华，基于特征空间降噪的局部保持投影算法及其在轴承故障分类中的应用，机械工程学报，2013，(03)：92-99.
13. 张绍辉，李巍华，可变近邻参数的局部线性嵌入算法及其在轴承状态识别中的应用，机械工程学报，2013，(01)：81-87.
15. 张绍辉，基于多路稀疏自编码的轴承状态动态监测，振动与冲击，2016，35 (19): 125-131.
16. 张绍辉. 集成参数自适应调整及隐含层降噪的深层RBM算法. 自动化学报, 2017, 43(5): 855-865.
17. 张绍辉，罗洁思. 基于频谱包络曲线的稀疏自编码算法及在齿轮箱故障诊断的应用. 振动与冲击, 2018, 4: 037.
18. 李巍华，翁胜龙，张绍辉. 一种萤火虫神经网络及在轴承故障诊断中的应用，机械工程学报，2014，51(2)：1-7.
19. 李巍华，李静，张绍辉，连续隐半马尔科夫模型在轴承性能退化评估中的应用，振动工程学报，2014，(04)：613-620.
20. 李巍华，戴炳雄，张绍辉，基于小波包熵和高斯混合模型的轴承性能退化评估，振动与冲击，2013，(21)：35-40+91.
21. 李川，张绍辉, José Valente de Oliveira. 基于次优网络深度学习的3D打印机故障诊断，机械工程学报，2019.
22. 罗洁思，张绍辉，李叶妮. 多分辨奇异值分解在滚动轴承振动信号解调分析中的应用，振动工程学报，2019，6(32)：1114-11120.
1. Zhang S, Sun Z, Wang M, Long J, Bai Y, Li C. Deep Fuzzy Echo State Networks for Machinery Fault Diagnosis, IEEE Transactions on Fuzzy Systems, Early Access, 2019, DOI: 10.1109/TFUZZ.2019.2914617.
2. Shaohui Zhang, Zhenzhong Sun, Chuan Li, Diego Cabrera, Jianyu Long, and Yun Bai. Deep hybrid state network with feature reinforcement for intelligent fault diagnosis of delta 3D printers, IEEE Transactions on Industrial Informatics, Early Access, 2019, DOI: 10.1109/TII.2019.2920661.
3. Shaohui Zhang, Xiang Duan, Chuan Li, Ming Liang. Pre-classified reservoir computing for the fault diagnosis of 3D printers, Mechanical Systems and Signal Processing, Accept, 2020.
4. Guo J, Li X, Liu Z, Zhang S*, Wu J, Li C, Long J. A novel doublet extreme learning machines for Delta 3D printer fault diagnosis using attitude sensor. ISA Transactions, in press, 2020.
5. Pu Z, Li C, Zhang S*, Bai Y. Fault diagnosis for wind turbine gearboxes by using deep enhanced fusion network. IEEE Transactions on Instrumentation and Measurement, in press, 2020.
7. Chuan Li, Shaohui Zhang*, Qing Yi, A systematic review of deep transfer learning for machinery fault diagnosis, Neurocomputing, Accept.
8. Zhang S, Sun Z, Long J, et al. Dynamic condition monitoring for 3D printers by using error fusion of multiple sparse auto-encoders, Computers in Industry, 2019, 105: 164-176.
9. Zhang S, Wang M, Yang F, Li W. Manifold Sparse Auto-Encoder for Machine Fault Diagnosis. IEEE Sensors Journal, in press, 2019.
10. J Guo, Z Lao, M Hou, C Li, S Zhang*. Mechanical Fault Time Series Prediction by using EFMSAE-LSTM Neural Network, Measurement, in press, 2020.
11. Jianyu Long, Zhenzhong Sun, Chuan Li, Ying Hong, Yun Bai, Shaohui Zhang*. A novel sparse echo auto-encoder network for data-driven fault diagnosis of delta 3D printers, IEEE Transactions on Instrumentation and Measurement, pp: 1-10, 2019.
12. 张绍辉，李巍华，基于特征空间降噪的局部保持投影算法及其在轴承故障分类中的应用，机械工程学报，2013，(03)：92-99.
13. 张绍辉，李巍华，可变近邻参数的局部线性嵌入算法及其在轴承状态识别中的应用，机械工程学报，2013，(01)：81-87.
15. 张绍辉，基于多路稀疏自编码的轴承状态动态监测，振动与冲击，2016，35 (19): 125-131.
16. 张绍辉. 集成参数自适应调整及隐含层降噪的深层RBM算法. 自动化学报, 2017, 43(5): 855-865.
17. 张绍辉，罗洁思. 基于频谱包络曲线的稀疏自编码算法及在齿轮箱故障诊断的应用. 振动与冲击, 2018, 4: 037.
18. 李巍华，翁胜龙，张绍辉. 一种萤火虫神经网络及在轴承故障诊断中的应用，机械工程学报，2014，51(2)：1-7.
19. 李巍华，李静，张绍辉，连续隐半马尔科夫模型在轴承性能退化评估中的应用，振动工程学报，2014，(04)：613-620.
20. 李巍华，戴炳雄，张绍辉，基于小波包熵和高斯混合模型的轴承性能退化评估，振动与冲击，2013，(21)：35-40+91.
21. 李川，张绍辉, José Valente de Oliveira. 基于次优网络深度学习的3D打印机故障诊断，机械工程学报，2019.
22. 罗洁思，张绍辉，李叶妮. 多分辨奇异值分解在滚动轴承振动信号解调分析中的应用，振动工程学报，2019，6(32)：1114-11120.
添加东莞理工学院学姐微信，或微信搜索公众号“考研派之家”，关注【考研派之家】微信公众号，在考研派之家微信号输入【东莞理工学院考研分数线、东莞理工学院报录比、东莞理工学院考研群、东莞理工学院学姐微信、东莞理工学院考研真题、东莞理工学院专业目录、东莞理工学院排名、东莞理工学院保研、东莞理工学院公众号、东莞理工学院研究生招生）】即可在手机上查看相对应东莞理工学院考研信息或资源。
本文来源：http://m.okaoyan.com/dglgxy/yjsds_565591.html
