姜洪开


的个人主页 http://jszy.nwpu.edu.cn/jianghongkai

  被浏览次数:6771

基本信息 The basic information

姜洪开

航空学院

博士研究生毕业

工学博士

教授

航空宇航科学,交通运输工程

jianghk@nwpu.edu.cn

工作经历 Work Experience

2002-2006,西安交通大学仪器科学与技术专业博士学位

2006-2008,西北工业大学航空宇航科学与技术专业博士后

2011-2012加拿大英属哥伦比亚大学机械工程系国家公派访问学者

2008-2014,西北工业大学航空学院副教授

2014-        ,西北工业大学航空学院教授、博士生导师

教育教学 Education And Teaching

1、电机及电力拖动,本科生课程,72学时

2Principles and Structure of Aviation Engines,留学生课程,40学时

3、Advanced Signal Processing,研究生英文课程,40学时

4、现代信号处理及应用,研究生课程,40学时

5、智能诊断原理及应用,研究生课程,40学时


人才培养

1、指导博士生1人获2018年度西北工业大学博士论文创新基金重点项目

2、指导硕士生1获2018年度西北工业大学研究生创意创新种子基金项目

3、指导博士生1人获2017年度西北工业大学研究生学术之星

4、指导博士生1人获2017年度国家奖学金(年度学业测评航空学院排名第一)

5、指导硕士生1人获2017年度国家奖学金

6、指导博士生1人获2017年度西北工业大学博士论文创新基金项目

7、指导硕士生1获2017年度西北工业大学研究生创意创新种子基金项目

8、指导博士生1人获2016年度国家奖学金

9、指导研究生1人获西北工业大学2015年优秀硕士学位论文一等奖

10、指导本科生4人分别获2013年度、2014年度、2015年度和2017年度西北工业大学优秀本科毕业设计论文


研究生毕业去向

中国商飞、中航工业测控所、中航工业综合技术研究所、中航工业强度所、中航工业燃气涡轮研究院、中国飞行试验研究院、中航工业千山电子、航天一院、航天三院、航天四院、航天504所、中电14所、中电20所、中电28所、华为西安研究所、西安中兴、西北工业大学、山西农业大学等单位。


招生信息 Admission Information

博士招生专业:

载运工具运用工程

硕士招生专业:

1、载运工具运用工程

2、适航技术与管理

3、航空工程

研究方向

1、飞行器状态监测与动态信号处理

2、飞行器故障诊断与健康管理

3、飞行器大数据分析与维护支持

4、无人机综合测试与自主控制

5、飞行器安全性分析与设计

荣誉获奖 Awards Information

1、获工业和信息化部国防科技进步二等奖一项,飞行器XXXX故障识别技术,排名第一,2010

2、获陕西省第十一届自然科学优秀学术论文三等奖一项,排名第一,2010

3、被评为2010年度航空学院本科生和研究生教学最满意教师

4、被评为2014年度航空学院全英文授课最满意老师

5、被评为2015年度航空学院本科生教学最满意教师

6、获得2013年西北工业大学教师讲课比赛高等专业技术职务组一等奖


科学研究 Scientific Research

主持科研项目:

1、基于深度学习的飞行器故障不确定性评估与预测研究,国家自然科学基金面上项目,2015-2018

2、基于提升多小波的航空发动机早期耦合故障诊断技术研究,国家自然科学基金面上项目,2010-2012

3、PHM软件验证设备,中航西安航空计算技术研究所项目,2017-2018

4、XXXX监测平台研制,西安空间无线电技术研究所项目,2017-2018

5、民用飞机飞控系统状态监控及故障诊断技术研究,商飞客户服务有限公司基金项目,2016-2018

6、飞机XXXX故障诊断研究,航空科学基金项目,2013-2015

7、飞行器结构健康不确定性评估方法研究,陕西省自然科学基金面上项目,2013-2014

8、磁流变阻尼器半主动悬架控制系统设计,横向课题项目,20122013

9、民用飞机实时诊断与系统维护技术研究,千山电子项目,2008-2010

10XXXX振动特性分析,航天一院项目,20082009

11、液压系统XXXX监测技术研究,航天科技创新基金项目,2006-2007

12、第二代小波构造与飞行器转子系统早期故障定量识别研究,中国博士后科学基金,2006-2008


学术成果 Academic Achievements

2018

[1] Shao Haidong, Jiang Hongkai*, Zhang Haizhou, Liang Tianchen. Electric locomotive bearing fault diagnosis using a novel convolutional deep belief network. IEEE Transactions on Industrial Electronics, 2018, 65(3): 2727-2736.

[2] Shao Haidong, Jiang Hongkai*, Lin Ying, Li Xingqiu. A novel method for intelligent fault diagnosis of rolling bearings using ensemble deep auto-encoders. Mechanical Systems and Signal Processing, 2018, 102: 278-297.

[3] Shao Haidong, Jiang Hongkai*, Zhang Haizhou, Duan Wenjing, Liang Tianchen, Wu Shuaipeng. Rolling bearing fault feature learning using improved convolutional deep belief network with compressed sensing. Mechanical Systems and Signal Processing, 2018, 100: 743-765.

[4] Shao Haidong, Jiang Hongkai*, Li Xingqiu, Wu Shuaipeng. Intelligent fault diagnosis of rolling bearing using deep wavelet auto-encoder with extreme learning machine. Knowledge-Based Systems, 2018, 140: 1-14.

2017

[1] Shao Haidong, Jiang Hongkai*, Wang Fuan, Zhao Huiwei. An enhancement deep feature fusion method for rotating machinery fault diagnosis. Knowledge-Based Systems, 2017, 119: 200-220.

[2] Shao Haidong, Jiang Hongkai*, Zhao Huiwei, Wang Fuan. A novel deep autoencoder feature learning method for rotating machinery fault diagnosis. Mechanical Systems and Signal Processing, 2017, 95: 187-204.

[3] Jiang Hongkai*, Wang Fuan, Shao Haidong, Zhang Haizhou. Rolling bearing fault identification using multilayer deep learning convolutional neural network. Journal of Vibroengineering, 2017, 19(1): 1392-8716.

[4] Shao Haidong, Jiang Hongkai*, Wang Fuan, Wang Yanan. Rolling bearing fault diagnosis using adaptive deep belief network with dual-tree complex wavelet packet. ISA Transactions, 2017, 69, 187-201.

[5] Wang Fuan, Jiang Hongkai*, Shao Haidong, Duan Wenjing, Wu Shuaipeng. An adaptive deep convolutional neural network for rolling bearing fault diagnosis. Measurement Science and Technology, 2017, 28(9): 095005.

[6] Jiang Hongkai*, Shao Haidong, Chen Xinxia, Huang Jiayang. Aircraft fault diagnosis based on deep belief network. 2017 International Conference on Sensing, Diagnostics, Prognostics, and Control, 123-127.

2016

[1] Jiang Hongkai*, Cai Qiushi, Zhao Huiwei, Meng Zhiyong. Rolling bearing fault feature extraction under variable conditions using hybrid order tracking and EEMD. Journal of Vibroengineering, 2016, 18(7): 2186-2242.

[2] Shao Haidong, Jiang Hongkai*, Zhao Huiwei, Cai Qiushi. Aircraft electromechanical system fault diagnosis based on deep learning. The 29th International Congress on Conditon Monitoring and Diagnostic Engineering Management, 2016.

[3] Wang Yanan, Jiang Hongkai*, Zhao Huiwei, Meng Zhiyong. A deep model for aircraft engine fault diagnosis. The 29th International Congress on Conditon Monitoring and Diagnostic Engineering Management, 2016.

[4] Wang Fuan, Jiang Hongkai*, Meng Zhiyong, Cai Qiushi, Zhang Haizhou. Rotating machinery fault diagnosis based on deep convolutional neural network. The 29th International Congress on Conditon Monitoring and Diagnostic Engineering Management, 2016.

2015

[1] Shao haidong, jiang hongkai*, zhang xun, niu maogui. Rolling bearing fault diagnosis using an optimization deep belief network. Measurement Science and Technology, 2015, 26: 115002(17pp).

[2] Li limin, wang zhongsheng, jiang hongkai*. Storage battery remaining useful life prognosis using improved unscented particle filter. Proceedings of the institution of mechanical engineerings Part O: journal of risk and reliability. 2015, 229(1): 52-61.

2014

[1] Jiang Hongkai*, Wang Han, Zhou Yong. An optimal lifting multiwavelet for rotating machinery fault detection. Journal of Vibroengineering, 2014, 16(1): 303-311.

[2] Shao Haidong, Jiang Hongkai*. Research on semi-active suspension vibration control using magneto-rheological damper. Proceedings of the First Symposium on Aviation Maintenance and Management, 2014, 2: 441-447.

[3] Wang Han, Jiang Hongkai* , Guo Dong. Bearing Fault Diagnosis Based on EEMD and AR Spectrum Analysis. Proceedings of the First Symposium on Aviation Maintenance and Management, 2014, 1: 389-396.

[4] Zhang Xueli, Jiang Hongkai*. Rolling bearing Fault Diagnosis Based on 1.5-dimension spectrum. Proceedings of the First Symposium on Aviation Maintenance and Management, 2014, 2: 433-440.

[5] Niu Maogui, Jiang Hongkai*. Research on the Dynamic Model with Magnetorheological Damper. Proceedings of the First Symposium on Aviation Maintenance and Management, 2014, 1: 323-330.

[6] 李丽敏,王仲生,姜洪开*. 基于相似性传播聚类的航空发动机突发故障诊断.振动与冲击,2014,33(1): 51-55.

[7] 李丽敏,王仲生,姜洪开*. 基于多状态的MOG-HMMT和Viterbi的航空发动机突发故障预测,振动、测试与诊断,2014,34(2): 310-314.

2013

[1] Jiang Hongkai*, Li Chengliang, Li Huaxing. An improved EEMD with Multiwavelet Packet for Rotating Machinery Multi-fault Diagnosis. Mechanical Systems and Signal Processing, 2013, 36: 225-239. 

[2] Jiang Hongkai*, Xia Yong, Wang Xiaodong. Rolling bearing fault detection using an adaptive lifting multiwavelet packet with a dimension spectrum. Measurement Science and Technology, 2013, 24(12): 125002-125012.

[3] 姜洪开*,何毅娜.基于改进粒子滤波的飞机起落架损伤识别研究.西北工业大学学报, 2013,31(3):397-400.

[4] 姚培,王仲生,姜洪开*. 局部保形映射和Adaboost方法在滚动轴承故障诊断中的应用.振动与冲击,2013,32(5):155-159.

[5] 姚培,王仲生,姜洪开*. 不均衡数据下基于CS-Boosting的故障诊断算法.振动、测试与诊断,2013,33(1):111-115.

[6] 李城梁,王仲生,姜洪开*.自适应Hessian LLE在机械故障特征提取中的应用.振动工程学报,2013,26(5): 758-763.

[7] 李城梁,王仲生,姜洪开*.基于动态SSL的航空发动机突发故障检测.振动、测试与诊断,2013,33(3): 461-465.

2012

[1] Jiang Hongkai*, Duan Chendong. An Adaptive Lifting Scheme and The Application in Rolling Bearing Fault Diagnosis. Journal of Vibroengineering, 2012, 14(2): 759-770.

[2] Jiang Hongkai*, He Yina, Yao Pei. Incipient Defect Identification in Rolling Bearings Using Adaptive Lifting Scheme Packet. Journal of Vibroengineering, 2012, 14(2): 771-782.

[3] Jiang Hongkai*, He Yina, Duan Chendong. Rolling Bearing Fault Diagnosis Using Improved Lifting Scheme. Advanced Materials Research, 2012, 518-523: 3780-3783.

[4] 窦丹丹,姜洪开*.基于信息熵和SVM多分类的飞机液压系统故障诊断.西北工业大学学报, 2012,30(4): 529-534.

[5] 姚培,王仲生,姜洪开*. 不均衡数据下CS-Boosting的故障诊断新算法.振动、测试与诊断,2012,33(1):111-115.

2011

[1] 姜洪开*,窦丹丹.基于自适应第二代小波的超声回波信号特征识别.西北工业大学学报, 2011,29(1):93-96.

[2] 芦玉华,王仲生,姜洪开*. 基于改进时变自回归模型的滚动轴承故障诊断.振动与冲击,2011,30(12):74-77.

[3] 陈晓理,王仲生,姜洪开*. 基于改进样板去噪源分离的轴承复合故障诊断.振动与冲击,2011,22(17):2080-2084.

2010

[1] Wang Zhongsheng, Jiang Hongkai*. Robust incipient fault identification of aircraft engine rotor based on wavelet and fraction. Aerospace Science and Technology, 2010, 14(4): 221-224.

2009

[1] 王仲生,姜洪开*,徐一艳.发动机转子系统早期故障智能诊断.航空学报, 2009,30(2):242-246.

2008

[1] 姜洪开*,王仲生. 基于改进第二代小波算法的发电机碰摩故障特征提取.中国电机工程学报,2008,28(8): 127-131.

[2] 姜洪开*,王仲生. 基于自适应提升小波包的故障微弱信号特征早期识别.西北工业大学学报,2008,26(1): 99-103.

[3] Li Zhen, He Zhengjia, Zi Yanyang, Jiang Hongkai*. Rotating machinery fault diagnosis using signal-adapted lifting scheme. Mechanical Systems and Signal Processing, 2008, 22(3): 542-556.

2007

[1] 姜洪开*,王仲生.第二代小波包构造及航空发动机损伤识别.北京航空航天大学学报.2007,33(7):777-780.

[2] Duan Chengdong, He Zhengjia, Jiang Hongkai*. A sliding window feature extraction method for rotating machinery based on the lifting scheme. Journal of Sound and Vibration, 2007, 299(4-5): 774-785.

2006

[1] Jiang Hongkai*, He Zhengjia, Duan Chengdong, Chen Peng. Gearbox Fault  Diagnosis Using Adaptive Redundant Lifting Scheme. Mechanical Systems and Signal Processing.2006, 20(8): 1992-2006.

[2] 段晨东,姜洪开*,何正嘉.基于监测数据的特征小波构造及应用.长安大学学报,2006,26(2): 107-110.

2005

[1] 姜洪开*,何正嘉,段晨东,陈雪峰.自适应冗余第2代小波设计及齿轮箱故障特征提取.西安交通大学学报.2005,7:715-718.

[2] 姜洪开*,何正嘉,段晨东,陈雪峰.基于提升方法的小波构造及早期故障特征提取.西安交通大学学报.2005,5:494-498.

[3] 段晨东,姜洪开*,何正嘉.非线性小波变换在故障特征提取中的应用.振动工程学报,2005,1: 129-132.

2004

[1] 姜洪开*,何正嘉,段晨东.冗余第2代小波构造及机械信号特征提取.西安交通大学学报.2004,11:1140-1142.

[2] 段晨东,姜洪开*,何正嘉.一种基于信号相关性检测的自适应小波变换及应用.长安大学学报,2004,7: 674-677.

社会兼职 Social Appointments

1、中国振动工程学会故障诊断分会理事

2、陕西省振动工程学会常务理事

3、国家自然科学基金委同行评议专家

4、国家科技专家库评审专家

5、深圳市科创委项目评审专家

6、IEEE会员

7、《Mechanical Systems and Signal Processing》、《Knowledge-Based Systems》、 《ISA Transactions》、《IEEE Transactions on Reliability》、《Engineering Fracture Mechanics》、《IEEE Transactions on Industry Electronics》、《Signal processing》、《Control Engineering Practice》、《Measurement Science and Technology》等国际期刊审稿人

综合介绍 General Introduction

    本团队研究工作属新兴交叉学科,团队学术科研理念“明德精学、笃行致强”,欢迎飞行器设计、动力工程、自动化、信息工程、机械工程、电气工程、计算机科学、电子信息、工程力学等不同专业背景同学报考。