个人简介
1972年生，河南淮阳人。中国地质大学（武汉）自动化学院院长，教授、博士生导师。
1994年本科毕业于中南工业大学（现中南大学）自动化专业，获工学学士学位；1997年和2007年分别毕业中南大学控制理论与控制工程专业，获工学硕士、工学博士学位。1997年至2014年于中南大学任教，2009年任教授；2014年至今，于中国地质大学（武汉）任教，担任自动化学院副院长，2021年担任自动化学院党委副书记、院长。1996年至1997年，作为访问留学生在日本金泽大学（Kanazawa University）进修；2007年至2008年，作为国家公派访问学者在加拿大阿尔伯塔大学（University of Alberta）进行国际合作研究。
担任复杂系统先进控制与智能自动化湖北省重点实验室主任、地球探测智能化技术教育部工程研究中心副主任、湖北省创新群体负责人，近年来主持和参与国家自然科学基金重点项目、国家重点研发计划项目、湖北省科技创新重大专项、湖北省创新群体、企业科技开发项目等 15 项。获省部级科技进步二等奖1项、三等奖2项，中国有色金属工业科学技术奖二等奖1项；科技成果鉴定4项；发表高质量学术论文87篇；授权国家发明专利40项；登记国家软件著作版权18件；出版学术专著 2 部、本科生教材1部；主讲《过程控制》获国家首批一流本科课程。目前任中国自动化学会控制理论专业委员会委员、过程控制专业委员会委员，中国人工智能学会智能机器人专业委员会委员，湖北省自动化学会副理事长。
科学研究
1) 湖北省自然科学基金创新群体项目，2020CFA031，地质钻探智能化技术及应用，2020/03-2023/03，主持
2) 国家重点研发计划项目（课题），2018YFC0603405，复杂地质钻探技术及装备仪器研制，2018/07-2021/06，参与
3) 国家自然科学基金面上项目，61773354，退火炉加热过程工况分类模型与多模态模糊自适应板温控制，2018/01-2021/12，主持
4) 湖北省技术创新重大项目，2018AAA035，复杂地质环境钻采装备关键技术开发与应用，2018/01-2020/12，技术负责人
5) 武汉市科技计划项目，2017010201010133，服务机器人多模态深层认知信息感知和情感表达关键技术，2017/07-2019/07，主持
6) 企业科技攻关项目，215306kj0022，华菱涟钢退火炉板温控制项目，2015/11-2017/06，主持
7) 国家自然科学基金项目，61273102，基于性能评估的动态过程建模与控制方法研究，2013/01-2016/12，主持
8) 国家自然科学基金重大国际（地区）合作研究项目，61210011，钢铁烧结绿色制造的碳优化与先进控制理论和方法，2013/01-2017/12，参与
9) 湖南省自然科学基金衡阳联合基金重点项目，12JJ8012，高炉炉况诊断与优化操作方法及应用，2012/01-2014/12，主持
10) 国家自然科学基金项目，60874042，基于动态分层与自学习的多智能体自适应协作模型，2009/01-2011/12，主持
11) 国家发改委重大产业技术开发专项，发改办高技[2009]606号，钢铁烧结流程能源综合利用与二氧化硫排放控制关键技术开发项目，2009/01-2011/12，参与
12) 国家863计划课题，2008AA04Z128，面向烧结生产全流程优化的智能集成控制技术及应用研究，2008/10-2010/11，主持
13) 企业科技攻关项目，科技合字[2005]27号，涟钢新280m2烧结机烧结终点优化控制系统，2005/04-2007/04，主持
14) 企业科技攻关项目，04-471，焦炉集气管压力智能解耦控制系统，2004/10-2005/12，主持
科研奖励
1) 曹卫华（3/9），煤气混合加压过程智能解耦控制系统，湖南省人民政府，科技进步奖，省部二等奖，2005
2) 曹卫华（3/12），煤气消耗预测与平衡认证分析技术及其应用，1）中国有色金属工业协会，2）中国有色金属学会，中国有色金属工业科学技术奖，二等奖，2006
3) 曹卫华（3/7）基于红外图像的温度场与料面分布在线检测技术及其应用，湖南省人民政府，科技进步奖，省部三等奖，2006
4) 曹卫华（2/7），加热炉燃烧过程智能控制技术及其应用，湖南省人民政府，科技进步奖，省部三等奖，2004
近期论文
查看导师最新文章
（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）
1) C. Gan, 曹卫华*, K. Liu, M. Wu, F. Wang, and S. Zhang. A new hybrid bat algorithm and its application to the ROP optimization in drilling processes. IEEE Transactions on Industrial Informatics, 16(12), 7338-7348, 2020.
2) Y. Du, 曹卫华*, J. She, M. Wu, M. Fang, and S. Kawata, Disturbance rejection for input-delay system using observer-predictor-based output feedback control. IEEE Transactions on Industrial Informatics, 16(7), 4489-4497, 2020.
3) Y. Du, 曹卫华*, J. She, M. Wu, and S. Kawata. Disturbance Rejection and Control System Design Using Improved Equivalent-Input-Disturbance Approach. IEEE Transactions on Industrial Electronics, 67(4), 3013-3023, 2020.
4) W. Song, 曹卫华*, W. Hu, and M. Wu. Identification of multiple operating modes based on fused features for continuous annealing processes. Information Science, 534, 85-96, 2020.
5) Y. Du, 曹卫华*, J. She, M. Wu, and M. Fang, Disturbance rejection via feedforward compensation using an enhanced equivalent-input-disturbance approach, Journal of The Franklin Institute, 357(15), 10977-10996, 2020.
6) Y. Jin, 曹卫华*, M. Wu, and Y. Yuan. Simplified outlier detection for improving the robustness of a fuzzy model. Science China Information Sciences, 63(4):149201, 2020.
7) M. Hao, 曹卫华*, Z. Liu, M. Wu, and P. Xiao, Visual-Audio Emotion Recognition Based on Multi-Task and Ensemble Learning with Multiple Features. Neurocomputing, 391: 42-51, 2020.
8) C. Gan, 曹卫华*, K. Liu, and M. Wu. Spatial estimation for 3D formation drillability field: A new modeling framework. Journal of Natural Gas Science and Engineering, 84: 103628, 2020.
9) X. Chen, 曹卫华*, C. Gan, W. Hu, and M. Wu, A hybrid reducing error-correcting output code for lithology identification. IEEE Transactions on Circuits and Systems II: Express Briefs, 10(67): 2254- 2258, 2020.
10) Y. Li, 曹卫华*, W. Hu, and M. Wu. Diagnosis of downhole incidents for geological drilling processes using multi-time scale feature extraction and probabilistic neural networks. Process Safety and Environmental Protection, 137:106-115, 2020.
11) C. Gan, 曹卫华*, M. Wu, K. Liu, X. Chen, Y. Hu, and F. Ning. Two-level intelligent modeling method for the rate of penetration in complex geological drilling process. Applied Soft Computing, 80: 592-602, 2019.
12) Y. Jin, 曹卫华*, M. Wu, and Y. Yuan. Accurate fuzzy predictive models through complexity reduction based on decision of needed fuzzy rules. Neurocomputing, 323: 344-351, 2019.
13) Y. Zhang, 曹卫华*, Y. Jin, and M. Wu. An ensemble model based on weighted support vector regression and its application in annealing heating process. SCIENCE CHINA Information Sciences, 62(4): 049202, https://doi.org/10.1007/s11432-018-9673-2, 2019.
14) M. Hao, 曹卫华*, M. Wu, Z. Liu, and S. Li. An Initiative Service Method Based on Fuzzy Analytical Hierarchy Process and Context Intention Inference for Drinking Service Robot. IEEE Transactions on Cognitive and Developmental Systems, 11(2): 221-233, 2019.
15) S. Wu, and 曹卫华*. Parametric model for microwave filter by using multiple hidden layer output matrix extreme learning machine. IET Microwaves, Antennas and Propagation, 13(11): 1889-1896, 2019.
16) C. Gan, 曹卫华*, M. Wu, and X. Chen. A new bat algorithm based on iterative local search and stochastic inertia weight. Expert Systems with Applications, 104: 202-212, 2018.
17) 曹卫华, Y. Zhang, J. She*, M. Wu, and Y. Cao. A dynamic subspace model for predicting burn-through point in iron sintering process. Information Sciences, 466: 1-12, 2018.
18) 曹卫华*, X. Hu, M. Wu, and W. Yin. A self-tuning PID control system based on control performance assessment. Journal of Advanced Computational Intelligence and Intelligent Informatics, 20(2): 271-278, 2016.
京公网安备 11010802027423号