陶洁，女，博士，讲师，中国计算机学会会员。2003年6月本科毕业于湖南科技大学计算机科学与技术专业，2009年7月硕士毕业于湖南科技大学，2017年12月博士毕业于中南大学。2003年7月进入湖南科技大学计算机科学与工程学院，从事教学和科研工作。主要研究兴趣为机器学习、数据挖掘、机械故障诊断等。目前在国内外重要期刊和会议上共发表论文10余篇，主持参与省级自然科学基金项目、国家863项目、重大科技专项等项目。

研究成果
[1] Jie Tao, Yilun Liu*, Dalian Yang. Bearing fault diagnosis based on deep belief network and multisensor information fusion[J]. Shock and Vibration, 2016, **: 1-9.
[2] Jie Tao, Zhang S, Yang D. The Safety Detection for Double Tapered Roller Bearing Based on Deep Learning[C]// International Conference on Security. Springer, Cham, 2018.
[3] Jie Tao, Yilun Liu*, Yiping Wen, Jiahui Su, The expert system of locomotive running gear based on sematic network, 2016 10th International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing (IMIS2016), Fukuoka, Japan, 2016.7.6-8.
[4] Jie Tao, Yilun Liu*, Dalian Yang, Fang Tang, Chi Liu. Fault diagnosis of rolling bearing using deep belief network [C]// International Conference on Mechanical Manufacture and Materials Processing Technology (IC3MPT 2015). Paris: Atlantis Press. 2015: 252- 257.
[5] 陶洁,刘义伦*,付卓,杨大炼,汤芳.基于Teager能量算子和深度置信网络的滚动轴承故障诊断,中南大学学报（自然科学版）,2017,48（1）：61-68.
[6] 陶洁，刘义伦*，杨大炼，宾光富，基于细菌觅食决策和深度置信网络的滚动轴承故障诊断研究，振动与冲击, 2017, 36(23):68-74.
[7] 廖宁, 陶洁*, 杨大炼. 基于深度学习和经验模态分解的双列圆锥滚动轴承故障诊断[J]. 湖南科技大学学报:自然科学版, 2017(2).
[8] 李松柏, 康子剑, 陶洁. 基于信息融合及堆栈降噪自编码的齿轮故障诊断[J]. 振动与冲击, 2019, 38(05):224-229.
[9] 杨大炼, 刘义伦, 李松柏, 陶洁. 基于非等距BFA-GM (1, 1)模型的尾翼疲劳寿命预测[J]. 湖南大学学报（自然科学版）, 2016, 43(8): 63-69.
[10] 周维, 刘义伦, 李松柏, 杨大炼, 陶洁. 一种基于临界平面法的多轴疲劳寿命预测模型[J]. 材料导报, 2015, 29(8): 147- 150.


主持及参与的项目
1、湖南省自然科学基金，2019JJ50156，基于深度强化学习的大型风电机组多源信号融合及故障诊断研究，2019.01-2021.12，5万元，在研，主持
2、湖南省教育厅优秀青年项目，19B187，大数据环境下风电机组多源信号融合的故障诊断研究，2019.10-2020.10，5万，在研，主持
3、国家自然科学基金面上项目，**，基于数据驱动的风电场监控系统传感器状态智能自确认，2019.01-2022.12，60万元，在研，参与
4、湖南省科技计划重点项目，2018WK2022，大数据驱动的海洋大型装备健康监测与预警国际合作研究，2019.01-2021.12，20万元，在研，参与
5、国家“863”科技支撑计划项目，2015BAF32B01，工程机械产品全生命周期闭环信息管理应用示范，2015/06/25-2017/12/31，22万，结题，参与
6、国家自然科学基金项目，**，基于知识网格的机械故障智能诊断系统的原理与方法研究，2008/01/01-2010-12/31，30万，结题，参与
7、湖南教育厅科研项目，17K033，面向实例密集型工作流应用的云资源节能调度优化方法，2017/04/242020/12/31，6万，在研，参与


研究方向和内容
随着信息技术和现代工业的飞速发展，机械装备的监测与控制技术进入“大数据”时代，针对机械装备海量的实时监测数据，利用深度学习、数据挖掘、信号处理等方法，从大数据中提取机械装备关键部件的特征信息，对设备的故障展开精准分析与预测研究。利用装备监测数据多源异构的特点，采用大数据技术分析对装备的振动、温度、液压、功率、载荷等海量数据进行分析整合，形成统一规范的数据存储及管理方法；探究不完整、多源信息的数据挖掘方法，采用深度强化学习实现混杂数据间的特征提取；分析故障特征与故障机理之间的映射关系，最终建立多维度、多层次、多参数的深度学习预测模型，为大型机械装备早期故障的判断与维护提供依据。