个人简介
教育背景
2015.09-2020.07 北京大学，工业工程与管理系，博士
2018.09-2019.11 威斯康星大学麦迪逊分校，工业与系统工程系，联合培养博士
2011.09-2015.06 南开大学，工业工程系，学士
工作经历
2020.09至今 上海交通大学机械与动力工程学院，助理教授
科研项目
上海市自然科学基金面上项目（22ZR1433000），基于时空人工智能的制造系统高维流数据建模与监控研究，主持，2022/04-2025/03
上海市晨光计划（21CGA12），交互事件网络系统的时空建模和状态监控，主持，2022/01-2024/12
国家自然科学基金青年项目（72101148），基于多元时空动态流数据的制造系统状态建模与过程监控研究，主持，2022/01-2024/12
上海市青年科技英才扬帆计划（21YF1420100），基于深度学习的复杂制造过程数据融合与异常诊断研究，主持，2021/04-2024/03
上海交通大学“双一流”建设项目（WF220502036），基于统计学习和人工智能对复杂工程系统的建模研究，主持，2020/09-2023/12
国家重点研发计划（2022YFB3402103），高端装备协同智能故障诊断理论与预测方法，子课题三：高端装备退化评估与数模联动剩余寿命预测，参与，2022/12-2025/11
国家自然科学基金面上项目（52275499），变刚度局部薄壁零件多齿铣削加工过程的力学建模与加工误差控制方法，参与，2023/01-2026/12
国家自然科学基金重点项目（71932006），工业大数据环境下面向智能制造系统的质量科学管控方法研究，参与，2020/01-2024/12
国家自然科学基金面上项目（51875003），基于多源异构传感的增材制造过程监测与质量控制研究，参与，2019/01-2022/12
国家自然科学基金面上项目（71771004），基于多尺度数据融合的智能制造系统状态监测与故障诊断，参与，2018/01-2021/12
国家自然科学基金面上项目（71571003），基于自适应采样方法的高维流数据在线过程监测，参与，2016/01-2019/12
财政部国家公益科研专项（201413003），基于大数据的储藏数据采集、挖掘及云服务技术，参与，2014/10-2018/12
教学工作
本科生课程：大数据分析，32学时，秋季学期
研究生课程：质量及可靠性工程，48学时，春季学期
本科生全员导师、本科生毕业设计、本科生PRP/大创、本科生/研究生科创竞赛
软件版权登记及专利
发明专利
1. 一种基于时空动态耦合的三维温度传感数据分析方法，第一发明人，专利号：ZL 201710188585.8, 2020
2. 一种基于迁移学习的仓储粮食温度场估计方法，第一发明人，专利号：ZL 201810042592.1, 2020
3. 基于时空条件动态建模的三维温度场监测方法，第二发明人，专利号：ZL 201910149975.3，2020
4. 基于多元时空数据融合的物联网系统建模和监控方法，第一发明人，专利号：ZL 202110166192.3，2021
5. 一种基于传感数据融合的温度场预测方法，第一发明人，专利号：ZL 201811066070.1
6. 基于深度学习耦合建模的飞机发动机剩余寿命预测方法，第一发明人，专利申请号：202110556279.1
7. 融合多任务学习的飞机发动机失效过程建模方法，第二发明人，专利申请号：202210334697.0
8. 基于联合学习的飞机发动机失效模式识别和剩余寿命预测方法，第一发明人，专利申请号：202210334726.3
9. 一种飞机发动机失效模式识别和寿命预测方法，第一发明人，专利申请号：202211123910.X
10. 一种多工况下飞机发动机剩余寿命预测方法，第二发明人，专利申请号：202211504814.X
11. 基于事件驱动的交通网络建模方法、事件预测方法及系统，第一发明人，专利申请号：202211569330.3
12. 基于传感数据退化建模的飞机发动机多失效模态预测方法，第二发明人，专利申请号：202310086813.6
13. 基于小样本学习的多失效模式下设备剩余寿命预测方法，第一发明人，专利申请号：202310277931.5
软件著作权
1. 仓储粮食品质监测平台V1.0，登记号：2018SR229405，2018
荣誉奖励
管理科学与工程学会优秀博士学位论文，管理科学与工程学会，2022
上海市晨光计划，上海市教委，2022
上海市青年科技英才扬帆计划，上海市科委，2021
IISE Transactions最佳应用论文奖（作者排名：1），IISE，2020
INFORMS Annual Meeting数据挖掘分会最佳论文奖（作者排名：1），INFORMS, 2019
IEEE/SICE-SII最佳论文奖（作者排名：1），IEEE，2017
IISE Annual Conference数据分析和信息系统分会最佳学生论文提名奖（作者排名：1），IISE，2019
ISE Magazine专题文章（作者排名：1），IISE，2019
中国优选法统筹法与经济数学研究会工业工程分会年会优秀论文奖（作者排名：1），2019
中国工业工程与精益管理创新大赛一等奖，2018
中国质量与可靠性技术国际研讨会最佳展示二等奖（作者排名：1），2018
北京市优秀毕业生，2020
国家奖学金，2014，2018，2019
指导教师：
美国大学生数学建模竞赛二等奖（Honorable Mention），2023
中国大学生机械工程创新创意大赛工业工程与精益管理创新赛一等奖，2022
上海市工程管理创新大赛一等奖，2022
全国工业工程类专业优秀课程设计大赛二等奖，2022
中国研究生数学建模竞赛三等奖，2022
美国大学生数学建模竞赛一等奖（Meritorious Winner），2022
美国大学生数学建模竞赛二等奖（Honorable Mention），2022
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）
SCI期刊论文
19. Wang, D., Song, C., and Zhang, X. (2023) “Multimodal regression and mode recognition via an integrated deep neural network,” IISE Transactions, accepted.
18. Wang, D.*, and Liu, K. (2023) “An integrated deep learning-based data fusion and degradation modeling method for improving prognostics,” IEEE Transactions on Automation Science and Engineering, in press.
17. Wang, D.*, Xian, X., and Song, C. (2023) “Joint learning of failure mode recognition and prognostics for degradation processes,” IEEE Transactions on Automation Science and Engineering, in press.
16. Wang, D., Li, F., Liu, K., and Zhang, X. (2022) “Real-time IoT security solution leveraging an integrated learning-based approach,” ACM Transactions on Sensor Networks, in press.
15. Zan, X., Wang, D., and Xian, X. (2022) “Spatial rank-based augmentation for nonparametric online monitoring and adaptive sampling of big data streams,” Technometrics, in press.
14. Yu, G., Wang, D., Liu, J., and Zhang, X. (2023) “Distribution-agnostic few-shot industrial fault diagnosis via adaptation-aware optimal feature transport,” IEEE Transactions on Industrial Informatics, vol. 19, no. 4, pp. 5623–5632.
13. Wang, D.*, Li, F., and Liu, K. (2023) “Modeling and monitoring of a multivariate spatio-temporal network system,” IISE Transactions, vol. 55, no. 4, pp. 331–347.
12. Zhao, C., Liu, F., Du, S., Wang, D., and Shao, Y. (2022) “An earth mover’s distance based multivariate generalized likelihood ratio control chart for effective monitoring of 3D point cloud surface,” Computers and Industrial Engineering, vol. 175, no. 2022, pp. 108911, 1–12.
11. Wang, D., Liu, K., and Zhang, X. (2022) “A generic indirect deep learning approach for multisensor degradation modeling,” IEEE Transactions on Automation Science and Engineering, vol. 19, no. 3, pp. 1924–1940.
10. Wang, D., Liu, K., and Zhang, X. (2022) “A spatiotemporal prediction approach for a 3D thermal field from sensor networks,” Journal of Quality Technology, vol. 54, no. 2, pp. 215–235.
• 论文获得2019年INFORMS Annual Meeting数据挖掘分会最佳学生论文奖
• 论文获得2019年中国优选法统筹法与经济数学研究会工业工程分会年会优秀论文奖
9. An, Y., Wang, D., and Zhang, X. (2020) “A novel local temperature change detection approach in a 3D thermal field,” Quality Technology and Quantitative Management, vol. 17, no. 6, pp. 723–737.
8. Wang, D., Liu, K., Zhang, X., and Wang, H. (2020) “Spatiotemporal multitask learning for 3-D dynamic field Modeling,” IEEE Transactions on Automation Science and Engineering, vol. 17, no. 2, pp. 708–721.
• 论文获得2019年IISE Annual Conference数据分析和信息系统分会最佳学生论文提名奖
• 论文获得2018年中国质量与可靠性技术国际研讨会最佳展示二等奖
7. Wang, D., Liu, K., and Zhang, X. (2020) “Spatiotemporal thermal field modeling using partial differential equations with time-varying parameters,” IEEE Transactions on Automation Science and Engineering, vol. 17, no. 2, pp. 646–657.
6. Wang, D., Liu, K., and Zhang, X. (2019) “Modeling of a three-dimensional dynamic thermal field under grid-based sensor networks in grain storage,” IISE Transactions, vol. 51, no. 5, pp. 531–546.
• 论文获得2020年IISE Transactions最佳应用论文奖
• 论文入选2019年ISE Magazine专题文章
5. Wang, D., and Zhang, X. (2019) “Dynamic field monitoring based on multitask learning in sensor networks,” Sensors, vol. 19, no. 7, 1533, pp. 1–17.
4. Wang, D., and Zhang, X. (2019) “Modeling of a 3D temperature field by integrating a physics-specific model and spatiotemporal stochastic processes,” Applied Sciences, vol. 9, no. 10, 2108, pp. 1–13.
EI会议论文
3. Wang, Y. and Wang, D.* (2022) “A data fusion-based LSTM network for degradation modeling under multiple operational conditions,” Proceedings of IEEE International Conference of Automation Science and Engineering, pp. 16–21.
2. Wang, D. and Zhang, X. (2017) “Modeling grain quality characteristics via dynamic models using sensing data,” Proceedings of the IEEE/SICE International Symposium on System Integration, pp. 336–341.
• 论文获得2017年IEEE/SICE-SII国际会议最佳论文奖
1. Wang, D., and Zhang, X. (2015) “A prediction method for interior temperature of grain storage via dynamics model: a simulation study,” Proceedings of IEEE International Conference of Automation Science and Engineering, pp. 1477–1483.
京公网安备 11010802027423号