高亮 - 华中科技大学 - 机械科学与工程学院

个人简介

现任机械学院党委书记、数字制造装备与技术国家重点实验室副主任。1996年毕业于西安电子科技大学，获学士学位。2002年毕业于华中科技大学，获博士学位。2020年科睿唯安“全球高被引科学家”，首届腾讯科学探索奖获得者，IET Fellow, 国家杰出青年基金获得者。承担国家自然科学基金重点项目、973课题、863项目、装发部预研基金、国防基础科研计划及企业委托课题等项目30余项。出版中文著作7部，英文专著4部，授权发明专利40余项，发表SCI论文380余篇，Web of Science被引8000余次。担任IET CIM期刊共同主编，SEC、JIPE副主编等。担任中国机械工程学会工业大数据与智能系统分会主任、中国仿真学会智能仿真优化与调度专业委员会副主任等。获得国家科技进步二等奖1项（排名第二）、教育部自然科学一等奖1项（排名第一）等。承担的科研项目： [1] 国家杰出青年科学基金，车间调度的理论与方法，51825502，350万，2019-2023，主持 [2] 国家自然科学基金与瑞典科研与教育国际合作基金会合作交流项目，基于动态多尺度数据分析的智能车间运行决策方法研究，51711530038，40万，2017-2019，主持 [3] 国家自然科学基金研究群体项目，高性能数字制造装备的基础研究，51721092，525万，2018-2020，参加 [4] 国家自然科学基金研究群体项目，高性能数字制造装备的基础研究，51421062，600万，2015-2017，参加 [5] 国家自然科学基金重点项目，大数据驱动的智能车间运行分析与决策方法研究，51435009，320万，2015-2019，参加荣誉与奖励： 2020年入选科睿唯安“全球高被引科学家” （H因子47） 2019年首届腾讯“科学探索奖”获得者 2015年获国家科学技术进步二等奖（排名第2） 2013年获教育部自然科学一等奖（排名第1） 2013年获中国机械工程学会青年科技成就奖 2013年被评为武汉市优秀科技工作者 2012年入选湖北省新世纪高层次人才工程第一层次人选 2012年获湖北省科学技术进步二等奖 2012年获湖北青年五四奖章 2011年获湖北省青年科技奖 2008年获教育部科技进步一等奖 2008年入选教育部新世纪优秀人才代表性著作： [1] 高亮、邱浩波、肖蜜、李好，《优化驱动的设计方法》，清华大学出版社，2020年 [2] 高亮、李新宇、文龙，《工艺规划与车间调度的智能算法》，清华大学出版社，2019年 [3] 高亮、张春江、李新宇，《类电磁机制算法的研究与应用》，华中科技大学出版社，2017年 [4] 高亮，张国辉，王晓娟。《柔性作业车间调度智能算法及其应用》，华中科技大学出版社，2012年 [5] 张洁、秦威、高亮，《大数据驱动的智能车间运行分析与决策方法》，华中科技大学出版社，2020年 [6] 潘全科、高亮、李新宇，《流水车间调度及其优化算法》，华中科技大学出版社，2013（中文） [7] 张洁、高亮、李培根，《Agent技术在先进制造中的应用》，科学出版社， 2004（中文） [8] Vendan, S.A., Kamal, R., Karan, A., Gao, L., Niu, X.D., Garg, A，Welding and Cutting Case Studies with Supervised Machine Learning，Springer，2020年 [9] S. Arungalai Vendan, Murugan Natesh, Akhil Garg,Liang Gao, Confluence of Multidisciplinary Sciences for Polymer Joining, Springer Singapore,2019年 [10] Vendan, S.A., Gao, L., Garg, A., Kavitha, P., Dhivyasri, G., SG, R. Interdisciplinary Treatment to Arc Welding Power Sources, Springer, 2019, ISBN 978-981-13-0806-2 [11] Li, X.Y., Gao, L. Effective Methods for Integrated Process Planning and Scheduling, Springer, 2020, ISBN 978-3-662-55303-9

研究领域

智能优化与机器学习方法在设计制造中的应用等研究

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] L. Wen, X. Y. Li, L. Gao*, Y. Y. Zhang, “A New Convolutional Neural Network based Data-Driven Fault Diagnosis Method,” IEEE Transactions on Industrial Electronics, 65(7): 5990-5998, 2018. [2] X. Y. Li, C. Lu, L. Gao*, S. Q. Xiao and L. Wen, “An Effective Multi-Objective Algorithm for Energy Efficient Scheduling in a Real-Life Welding Shop,” IEEE Transactions on Industrial Informatics, 14(12): 5400-5409, 2018. [3] L. Wen, L. Gao* and X. Y. Li, “A New Deep Transfer Learning Based on Sparse Auto-Encoder for Fault Diagnosis,” IEEE Transactions on Systems, Man, and Cybernetics: Systems, 49(1): 136-144, 2019. [4] X. Y. Li, L. Gao*, Q. Pan, L. Wang, K-M Chao, An effective hybrid genetic algorithm and variable neighborhood search for integrated process planning and scheduling in a packaging machine workshop. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2018, doi: 10.1109/TSMC.2018.2881686. [5] L. Wen, X. Y. Li, L. Gao*, “A New Two-level Hierarchical Diagnosis Network based on Convolutional Neural Network,” IEEE Transactions on Instrumentation and Measurement, 2019, doi: 10.1109/TIM.2019.2896370. [6] K. Xia, L. Gao*, L. Wang, W. Li, K-M Chao, “A semantic information services framework for sustainable WEEE management toward cloud-based remanufacturing,” Journal of Manufacturing Science and Engineering-Transactions of the ASME, 137(6), 2015. [7] L. Gao; Q-K Pan*, “A shuffled multi-swarm micro-migrating birds optimizer for a multi-resource-constrained flexible job shop scheduling problem,” Information Sciences, 372: 655~676, 2016. [8] L. Gao, X. Y. Li*, X. Y. Wen, C. Lu, F. Wen, “A hybrid algorithm based on a new neighborhood structure evaluation method for job shop scheduling problem,” Computers & Industrial Engineering, 88: 417~429, 2015. [9] L. Gao, C. J. Zhang; X. Y. Li, L. J. Wang*, “Discrete electromagnetism-like mechanism algorithm for assembly sequences planning,” International Journal of Production Research, 52(12): 3485~3503, 2016. [10] X. Y. Li, L. Gao*, “An effective hybrid genetic algorithm and tabu search for flexible job shop scheduling problem,” International Journal of Production Economics, 174: 93~110, 2016.