姜洪开


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

  被浏览次数:11183

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

13186106817

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、飞行器控制系统设计,本科生课程,56学时

2、电机控制技术,本科生课程,32学时

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

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

5、现代信号处理及应用,研究生课程,40学时

6、智能诊断原理及应用,研究生课程,40学时

 

人才培养

1、指导博士生发表ESI高被引论文2篇

2、指导博士生1人获2018年度宝钢教育基金优秀学生特等奖

3、指导博士生2人获2018年度国家奖学金

4、指导博士生1人获2018年度西北工业大学优秀研究生标兵(年度学业测评航空学院总排名第一)

5、指导博士生1人获2018年度西北工业大学优秀研究生学术之星

6、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

7、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总排名第一)

8、指导博士生1人获2017年度西北工业大学优秀研究生学术之星

9、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

10、指导博士生1人获2016年度国家奖学金

11、指导硕士生1人获2018年度国家奖学金

12、指导硕士生1人获2018年度西北工业大学优秀毕业研究生

13、指导硕士生1人获2018年度西北工业大学研究生创意创新种子基金项目

14、指导国际留学生1人获2017年度西北工业大学优秀毕业研究生

15、指导硕士生1人获2017年度国家奖学金

16、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

17、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

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

 

研究生毕业去向

中国商飞上海飞机客户服务有限公司、中国商飞上海飞机设计研究院、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、中国燃气涡轮研究院、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10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、飞行器故障诊断与健康管理

2、机器深度学习与智能飞行器

3、飞行器大数据分析与运行支持

4、无人机综合测试与自主控制


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、获教育部科技进步二等奖一项,机载系统XXXX故障诊断技术,2017

3、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

4、被评为2010年度航空学院本科生和研究生教学最满意教师

5、被评为2014年度航空学院全英文授课最满意老师

6、被评为2015年度航空学院本科生教学最满意教师

7、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、临近空间飞行器服役性能退化机理与健康自主感知方法研究,国家自然科学基金面上项目,2019-2022

2、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 

3、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

4、XXXX特征提取与定量诊断技术,预研领域基金项目,2018-2019

5、XXXX振动环境预计方法研究,航空科学基金项目,2018-2020

6、PHM软件验证设备,中航西安航空计算技术研究所项目,2017-2018 

7、XXXX监测平台研制,西安空间无线电技术研究所项目,2017-2018

8、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 

9、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

10、航空发动机XXXX故障诊断研究,航空科学基金项目,2013-2015 

11、变阻尼器半主动悬架控制系统设计,横向课题项目,2012-2013 

12、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 

13、XXXX振动特性分析,航天一院项目,2008-2009 

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

15、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项目,2006-2008 


学术成果 Academic Achievements

ESI高被引论文

[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. (JCR1区,IF=4.116, ESI高被引论文

[2] 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. (JCR1区,IF=4.529, ESI高被引论文

[3] 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. (JCR1区,IF=4.116, ESI高被引论文


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. (JCR1区,IF=7.168

[2] Jiang Hongkai*, Li Xingqiu, Shao Haidong. Intelligent fault diagnosis of rolling bearings using an improved deep recurrent neural network. Measurement Science and Technology, 2018, 29(6), 065107. (JCR2区,IF=1.585

[3] Jiang Hongkai*, Lin Ying, Meng Zhiyong. Rolling element bearing fault feature extraction using an optimal chirplet. Measurement Science and Technolgy, 2018, 29, 105004. (JCR2区,IF=1.585

[4] Jiang Hongkai*,Shao Haidong, Chen Xinxia, Huang Jiayang. A feature fusion deep belief network method for intelligent fault diagnosis of rotating machinery. Journal of Intelligent & Fuzzy Systems, 2018, 34(6): 3513-3521. (JCR3区,IF=1.426

[5] Shao Haidong, Jiang Hongkai* Zhao Ke. A novel tracking deep wavelet auto-encoder method for intelligent fault diagnosis of electric locomotive bearings. Mechanical Systems and Signal Processing, 2018, 110: 193-209.(JCR1区,IF=4.116

[6] Shao Haidong, Jiang Hongkai* Li Xingqiu. Rolling bearing fault detection using continuous deep belief network with locally linear embedding. Computers in Industry, 2018, 96: 27-39. (JCR2区,IF=2.691

[7] 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. (JCR1区,IF=4.116

[8] 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. (JCR1区,IF=4.116

[9] 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. (JCR1区,IF=4.529

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. (JCR1区,IF=4.529, ESI高被引论文

[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. (JCR1区,IF=4.116, ESI高被引论文

[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. (JCR4区,IF=0.398

[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. (JCR1区,IF=3.394

[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. (JCR2区,IF=1.585

[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. (JCR4区,IF=0.398

[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). (JCR2区,IF=1.585,IOP Publishing 中国区高被引论文) 

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. (JCR4区,IF=0.398

[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.

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. (JCR1区,IF=4.116, ESI高被引论文

[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. (JCR2区,IF=1.585

[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.

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. (JCR4区,IF=0.398

[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. (JCR4区,IF=0.398

[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.

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.

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.  (JCR2区,IF=2.057

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.

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.

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. (JCR1区,IF=4.116

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.

社会兼职 Social Appointments

1、中国振动工程学会故障诊断专业委员会常务理事


2、中国振动工程学会转子动力学专业委员会理事

3、陕西省振动工程学会常务理事

4、国家自然科学基金委同行评议专家

5、国家科技专家库评审专家

6、深圳市科创委项目评审专家

7、IEEE会员

8、《Mechanical Systems and Signal Processing》、《IEEE Transactions on Industry Electronics》、《IEEE Transactions on Reliability》、《IEEE Transactions on Industry Informatics》、《Knowledge-Based Systems》、 《ISA Transactions》、《Engineering Fracture Mechanics》、《Signal Processing》、《Control Engineering Practice》、《Neurocomputing》、《Journal of Sound and Vibration》、《Renewable Energy》、《Measurement Science and Technology》、《Measurement》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、自动化、测控技术、机械工程、电气工程、动力工程、计算机科学、电子信息、工程力学等不同专业背景优秀学子报考。