赵明


研究领域（方向）
1. 基于深度学习理论的复杂机电装备健康监测与智能感知；（面向航天、航空领域）
2. 大数据环境下的瞬态信号仿真、建模与自适应表达技术；（面向高铁、风电装备）
3. 工业机器人多传感信息融合、深度发掘与预测性维护； （面向集群级智能工厂）
个人及工作简历
赵明，西安交通大学副教授，博士生导师，美国自然科学基金会智能维护系统中心 Research Fellow。现为中国振动工程学会转子动力学专业委员会、故障诊断专业委员会理事。研究方向为机械装备智能感知与健康监测，提出的多种机械装备监测诊断方法已在风电、高铁、数控机床等领域实际获得实际应用。相关研究在IEEE transactions、ISA transactions、JSV、MSSP 等国际期刊发表SCI论文40余篇，其中3篇论文入选ESI高被引论文，1篇论文入选ESI热点论文。主持国家自然科学基金青年项目、面上项目、国防重点实验室项目、陕西省自然科学基金项目等多项研究课题，研究成果获得西安交通大学优秀博士论文奖，上银优秀博士论文奖、陕西振动工程学会青年科技奖、中电联电力科技创新一等奖等奖项。
科研项目
1.国防装备预研项目，，基于多源内置伺服信息的航天关节传动系统健康感知技术，2019/01-2020/12，主持
2.国家自然科学基金面上项目，**，基于内置编码器信息的关节减速器多源扭振行为分析与智能健康监测，2019/01-2022/12，主持
3.国家自然科学基金青年项目，**，变转速下机械动态信息的自适应提取与状态评估方法研究，2014/01-2017/12，主持
4.机械制造系统国家重点实验室青年基金项目，，基于自适应时频表达的变工况机械装备健康监测技术研究，2017/01-2017/12，主持
5.陕西省重点实验室青年学术骨干培植基金，，复杂服役条件下齿轮箱设备的瞬态工况辨识与早期故障信息提取研究，2015/01-2017/12，主持
6.国防基础科研计划，JCKY**C013，基于多源伺服信息的制造过程智能感知与诊断，2019/01-2020/12，项目骨干
7.高档数控机床与基础制造装备重大专项，2014ZX**，国产高档数控机床、系统及其技术在航空领域的综合应用验证及工艺研究，2014/01-2016/12，项目骨干
8.高档数控机床与基础制造装备重大专项，2009ZX04014-015，精密、重型机床可靠性设计与性能试验技术，2009/03-2011/12，项目骨干
学术及科研成果、专利、论文
1.M. Zhao, J. Jiao, and J. Lin, A Data-Driven Monitoring Scheme for Rotating Machinery Via Self-Comparison Approach, IEEE Transactions on Industrial Informatics, 15(2019) 2435-2445.
2.M. Zhao, J. Lin, Health assessment of rotating machinery using a rotary encoder,IEEE Transactions on Industrial Electronics, 65(2018) 2548-2556.
3.M. Zhao, X. Jia, J. Lin, Y. Lei, J. Lee, Instantaneous speed jitter detection via encoder signal and its application for thediagnosis of planetary gearbox,Mech Syst Signal Process, 98 (2018) 16-31.
4.M. Zhao, X. Jia, A novel strategy for signal denoising using reweighted SVD and its applications to weak fault feature enhancement of rotating machinery,Mech Syst Signal Process, 94 (2017) 129-147.
5.L. Jing, M. Zhao, P. Li, and X. Xu, A convolutional neural network based feature learning and fault diagnosis method for the condition monitoring of gearbox, Measurement, 111(2017) 1-10.
6.Y. Miao, M. Zhao, J. Lin, and Y. Lei, Application of an improved maximum correlated kurtosis deconvolution method for fault diagnosis of rolling element bearings, Mechanical Systems and Signal Processing, 92(2017)173-195.
联系方式
电子邮箱：zhaomingxjtu@mail.xjtu.edu.cn

联系电话：**
个人主页： http://gr.xjtu.edu.cn/web/zhaomingxjtu
联系地址：西安市雁翔路99号交大科技园西5楼北B223

更新日期：2019-11-14