魏婧雯
助理研究员 工程管理学院

学位：博士 职务：
联系电话： 电子邮箱：jwwei@nju.edu.cn
办公地址：协鑫楼401


个人简介
研究方向
科研（教学）奖励
论文发表
专著出版
科研项目
社会兼职
荣誉称号
专利发明


2019年6月于中国科学技术大学自动化系获得博士学位，同年12月加入南京大学工程管理学院任助理研究员。

目前，主要的理论研究方向包括：
（1）非线性参数辨识理论、状态估计与滤波、以及参数预测理论；
（2）设备健康预后与管理（Prognositics and Health Management）理论方法；
（3）模型驱动和数据驱动的系统异常检测与故障诊断理论方法；
主要的应用研究包括：
（1）电动汽车及智能电网储能系统行为建模；
（2）储能系统关键运行参数的在线估计与预测；
（3）储能系统故障诊断以及寿命预测；


已在IEEE Transactions on Industrial Electronics, Applied Energy, Journal of Power Sources等领域内顶级期刊上发表SCI期刊论文20余篇，授权专利2项。 曾获2017年中国科学技术大学华为一等奖学金、 2018年博士研究生国家奖学金、 2019年中国科学院院长优秀奖以及中国科学技术大学优秀博士学位论文提名。



本人的研究方向主要是将系统与控制科学中的理论和方法应用到交通电气化领域。复杂非线性系统动态行为描述、状态估计及预测以及优化控制等理论方法在纯电动汽车和智能电网中的应用。同时探索电动汽车与智能电网领域内“系统与控制”新问题和新方法。具体而言：主要包括以下几个大的研究方向：
（1）模型驱动的电池管理技术，包括锂离子电池建模、状态估计与预测、故障诊断与预警以及健康评估与寿命预测；
（2）电动汽车、智能微电网以及移动机器人能量优化策略和功率协调控制；
（3）数据驱动的设备故障诊断技术和健康预后管理。
（4）机器学习、强化学习以及大数据方法在交通电气化领域内的应用。

欢迎控制、自动化、电气、电力电子、机械自动化以及人工智能领域内的学生加入本人团队。





Peer-Reviewd Journal Papers:
[1]J. Wei, G. Dong, Z. Chen. Lyapunov-based thermal fault diagnosis of cylindrical lithium-ion batteries, IEEE Transactions on Industrial Electronics,67(6), pp:4670-4679, Jun. 2020. [Link].
[2]J. Wei, G. Dong, Z. Chen. Remaining useful life prediction and state of health diagnosis for lithium-ion batteries using particle filter and support vector regression, IEEE Transactions on Industrial Electronics, Vol. 65(7), pp: 5634-5643, July. 2018. [Link]
[3]J. Wei, G. Dong, Z. Chen. On-board adaptive model for state of charge estimation of lithium-ion batteries based on Kalman filter with proportional integral-based error adjustment, Journal of Power Sources, Vol. 365, pp: 308-319, 2017. [Link]
[4]J. Wei, G. Dong, Z. Chen. System state estimation and optimal energy control framework for multicell lithium- ion battery system,Applied Energy, Vol. 187(0), pp: 37-49, Feb. 2017.[Link]
[5]J. Wei, G. Dong, Z. Chen. Lyapunov-based state of charge diagnosis and health prognosis for lithium-ion batteries, Journal of Power Sources, Vol. 397, pp: 352-360. [Link]
[6] C. Zhang, Y. Zhu, G. Dong, J. Wei*. Data-driven lithium-ion battery states estimation using neural networks and particle filtering,International Journal of Energy Research, Early access.[Link]

Peer-Reviewd Conference Papers:
[1] J. Wei, G. Dong, Z. Chen. Model-based fault diagnosis of Lithium-ion battery using strong tracking Extended Kalman Filter, the 10th International Conference on Applied Energy, ICAE 2018; Hong Kong; China.
[2] J. Wei, C. Chen.State of Charge and Health Estimation For Lithium-Ion Batteries Using Recursive Least Squares, the 5th International Conference on Advanced Robotics and Mechatronics , ICARM 2020; Shenzhen; China.