姓名： 王国锋
性别： 男
英文名： Wang Guofeng
人才称号：
职称： 教授 博导
职务： null 专业： 机械制造及其自动化
所在机构： null 个人主页：
邮箱： gfwangmail@tju.edu.cn 办公地点： 天大机械工程学院,300354
传真： 办公电话：
主要学历： 1992.09-1996.07 天津大学 机械制造工艺与设备专业 本科
1996.09-1999.03 天津大学 机械制造工艺与设备专业 硕士
1999.03-2002.03 天津大学 机械制造工艺与设备专业 博士
2002.03-2004.03 天津大学 机械制造工艺与设备专业 博士后


主要学术经历： 2002.3-今 天津大学机械工程学院 副教授
2008.9-2009.9 都灵理工大学博士后
2011.9-2011.11 克莱姆森大学先进制造实验室访问****
2015.6-今 天津大学机械工程学院 教授、博士生导师


主要研究方向： 1.高端装备智能加工与控制
2.故障诊断与状态监测
3.航空发动机零部件智能制造
4.高温合金切削性能评价
5.信号处理与模式识别


主要讲授课程： 1.智能诊断与动态测试技术
2.机械原理与机械设计
3.机械设计基础
4.机械设计课程设计
5.金属工艺学实习


主要学术兼职： 1.中国生产工程学会机床专业委员会委员兼秘书长
2.中国机械工程学会青年工作委员会委员
3.中国振动工程学会故障诊断专业委员会理事
4.国家自然科学基金面上项目通讯评审人
5.湖南省自然科学基金项目通讯评审人
6. Journal of Mechanical System and Signal Processing，Journal of Sound and
Vibration，Mechanical Science and Technology，Sensors等国际学术期刊审稿人


主要学术成就： 近年来作为主要研究人员先后参加国家自然科学基金5 项、数控重大专项课题 2 项以及企业横向合作项目多项，独立负责国家自然科学基金 2 项和国家科技支撑计划子课题 1 项。发表学术论文 50 余篇，其中SCI 收录 20 篇，EI 收录 10 余篇，申请发明专利四项，计算机软件著作权2项，培养的研究生多次获得国家奖学金。天津市科学技术进步一等奖1项，天津市技术发明一等奖1项，天津市科学技术进步二等奖1项，荣获天津大学“北洋青年****”称号。


主要科研项目： 1.国家自然科学基金面上项目 基于声发射的镍基合金铣削表面缺陷在线监测理论与方法 2012/01-2015/12 主持
2.国家自然科学基金青年基金 复杂铣削路径下刀具磨损状态的协整监测理论与方法 2009/01-2011/12 主持
3.国家科技重大专项 基于长服役寿命的航空发动机典型难加工材料零件高性能切削技术 2014/01-2016/12 主持
4.国家科技支撑计划 高速高效切削共性技术的研究 2007/12-2010/08 主持
5.天津市科技支撑计划 面向全自动散货码头的一体化智能装船系统 2013/04/03-2016/03/31 主持
6.中国航空工业第一集团公司 典型钛合金的数控切削参数实验分析和切削加工性能评价 2011/04-2013/09 主持
7.天津市科技支撑计划 面向超大型船舶作业的智能化起重装备的研制 2014/12/08-2017/03/30 主持
8.丹佛斯（上海）自动控制有限公司 涡旋压缩机减振技术研究 2010/12/15-2011/06/30 主持
9.天津达人科技有限公司 堆取料机光机电一体化 2006/03/01-2009/03/01 主持
10.天津信达自动化工程有限公司 海洋石油111 油轮设备状态监测 2006/03/01-2006/12/01主持


代表性论著： 1.参与编著《机械故障诊断理论及应用》一书，高等教育出版社 ISBN编号：68
2.Wang G, Liu C, Cui Y, et al. Tool wear monitoring based on cointegration modelling of multisensory information[J]. International Journal of Computer Integrated Manufacturing,2014,27(5): 479-487.
3.Wang G F, Yang Y W, Zhang Y C, et al. Vibration sensor based tool condition monitoring using ν support vector machine and locality preserving projection[J]. Sensors and Actuators A: Physical, 2014, 209: 24-32.
4.Wang G, Yang Y, Xie Q, et al. Force based tool wear monitoring system for milling process based on relevance vector machine[J]. Advances in Engineering Software, 2014, 71: 46-51.
5.Wang G, Guo Z, Qian L. Tool wear prediction considering uncovered data based on partial least square regression[J]. Journal of Mechanical Science and Technology,2014, 28(1): 317-322.
6.Liu C, Wang G, Xie Q, et al. Vibration Sensor-Based Bearing Fault Diagnosis Using Ellipsoid-ARTMAP and Differential Evolution Algorithms[J]. Sensors, 2014, 14(6): 10598-10618.
7.Wang G, Guo Z, Yang Y. Force sensor based online tool wear monitoring using distributed Gaussian ARTMAP network[J]. Sensors and Actuators A: Physical, 2013, 192: 111-118.
8.Wang G, Feng X. Tool wear state recognition based on linear chain conditional random field model[J]. Engineering Applications of Artificial Intelligence,2013, 26(4): 1421-1427.
9.Wang G, Qian L, Guo Z. Continuous tool wear prediction based on Gaussian mixture regression model[J]. The International Journal of Advanced Manufacturing Technology, 2013, 66(9-12): 1921-1929.
10.Wang G, Cui Y. On line tool wear monitoring based on auto associative neural network[J]. Journal of Intelligent Manufacturing, 2013, 24(6): 1085-1094.
11.Wang G, Guo Z, Qian L. Online incremental learning for tool condition classification using modified Fuzzy ARTMAP network[J]. Journal of Intelligent Manufacturing, 2013, 1-9.
12.Wang G, Liu C. Fault diagnosis of rolling element bearings based on complexity measure and ν support vector machine[J]. Insight-Non-Destructive Testing and Condition Monitoring, 2013, 55(3): 142-146.
13.Wang G, Liu C, Cui Y. Clustering diagnosis of rolling element bearing fault based on integrated Autoregressive/Autoregressive Conditional Heteroscedasticity model[J]. Journal of Sound and Vibration,2012, 331(19): 4379-4387.
14.Wang G F, Qian L. Online tool wear prediction based on partial least square regression and Monte Carlo cross validation[J]. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 2012,doi: 1099.
15.Wang G, Peng D, Qin X, et al. An improved dynamic milling force coefficients identification method considering edge force[J]. Journal of mechanical science and technology, 2012,26(5): 1585-1590.
16.王国锋，李启铭，秦旭达，等. 支持向量机在刀具磨损多状态监测中的应用[J]. 天津大学学报, 2011,44(1):35-39.
17.王国锋，李启铭，秦旭达，等. 协整特征提取在刀具磨损状态监测中的应用研究 [J]. 振动与冲击,2010,29(S):226-228
18.王国锋，李玉波，秦旭达，等. 基于 TVAR_HMM 的滚动轴承故障诊断[J]. 天津大学学报, 2010,43(2):168-173.
19.Wang G, Luo Z, Qin X, et al. Fault identification and classification of rolling element bearing based on time-varying autoregressive spectrum[J]. Mechanical Systems and Signal Processing, 2008, 22(4): 934-947.