严如强——机电系统研究专家

专家信息：

严如强，男，1975年2月出生，江苏省南京市人。现任东南大学仪器科学与工程学院教授，博士生导师。

教育及工作经历：

1997年7月，毕业于中国科学技术大学精密机械与精密仪器系机械电子工程专业，获理学学士学位。

2002年6月，毕业于中国科学技术大学精密机械与精密仪器系精密仪器与机械专业，获工学硕士学位。

2007年5月，毕业于美国马萨诸塞大学阿默斯特分校(University of Massachusetts, Amherst)机械与工业工程系，获机械工程专业博士学位。

2006年8月至2008年8月，在美国国家标准与技术研究院(National Institute of Standards and Technology) 传感器应用与开发实验室进行合作研究。

2009年2月至2009年10月，作为高级研究员(Senior Research Scientist)在美国康涅狄格大学(University of Connecticut) 机械工程系机电系统实验室工作。

2009年10月，加入东南大学仪器科学与工程学院从事动态信号处理和无线传感器网络等方面的研究工作。

社会兼职：

1. IEEE高级会员、IEEE仪器与测试学会会员。

2. IEEE仪器与测试学会信号与系统技术委员会主席。

3. IEEE仪器与测试学会南京分会主席。

4. 中国振动工程学会故障诊断专业委员会理事。

5. 美国机械工程师学会会员。

6. 中国故障预测与健康管理学会会员。

7. 《Journal of Measurement Science and Instrumentation》刊物编委。

8. 《Current Development in Theory and Applications of Wavelets》刊物编委。

9. 《International Journal of Wavelets, Multiresolution, and Information Processing》专辑“Wavelet Transform for Condition-Based Maintenance”客座编辑。

教学情况：

学科方向：

（一级学科）仪器科学与技术

（二级学科）测试计量技术及仪器

主讲课程：

资料更新中……

招生计划：

硕士生： 3-5 人 / 年；博士生：2-3人/ 年；博士后：1-2人/ 年

培养研究生情况：

资料更新中……

科学研究：

研究方向：

主要从事机电系统设计与控制的研究。

承担科研项目情况：

1. 国家自然科学基金项目：基于小波理论和多时间尺度建模的旋转部件健康监测研究。

2. 教育部新世纪优秀人才计划项目：基于无线传感器网络的复杂制造系统与制造过程监测与控制。

3. 航空科学基金项目：基于小波分析的航空发动机转静碰摩故障分析探索研究。

4. Canrig Drilling Technology Ltd，USA ：基于先进数字信号处理技术的石油勘探设备监测与诊断。

5. 东南大学校级SRTP项目：智能花盆设计。

科研成果：

资料更新中……

发明专利：

1. 基于多尺度包络频谱的机械状态监测及健康诊断方法 (Multi-Scale Enveloping Spectrogram (MuSEnS) signal processing for condition monitoring and the like), 美国专利No. 7602985, 2009年10月13日颁发, R. Gao and R. Yan.

论文专著：

近几年来在国际期刊和国际会议上发表论文20余篇。

出版专著：

“Wavelets: Theory and Applications for Manufacturing”，Springer-Verlag出版公司。

发表中文论文：

1 基于相关测度的小波选取及其在转子轴承故障诊断中的应用 严如强; 高晓旸东南大学仪器科学与工程学院; 康涅狄格大学机械工程系【会议】第十二届全国设备故障诊断学术会议论文集 2010-08-15

2 一种新型节能无线传感节点的设计与组网孙行行; 卢伟; 钱宇宁; 严如强 东南大学仪器科学与工程学院【期刊】南京信息工程大学学报(自然科学版) 2011-10-28

资料更新中……

English：

1 R. Yan and R. Gao, “Wavelet domain principal feature analysis for spindle health diagnosis”, Structural Health Monitoring, DOI: 10.1177/1475921710395806.

2 A. Malhi, R. Yan , and R. Gao, “Prognosis of defect propagation based on recurrent neural networks”, IEEE Transactions on Instrumentation and Measurement , Vol. 60, No. 3, pp. 703-711, March 2011.

3 J. Zhang, R. Yan , R. Gao, and Z. Feng, “Performance enhancement of ensemble empirical mode decomposition”, Mechanical Systems and Signal Processing, Vol. 24, No. 7, pp. 2104-2123, October, 2010..

4 R. Yan and R. Gao, “Harmonic wavelet-based data filtering for enhanced machine defect identification”, Journal of Sound and Vibration, Vol. 329, No. 15, pp. 3203-3217, July, 2010.

5 R. Yan and R. Gao, “Energy-based feature extraction for defect diagnosis in rotary machines”, IEEE Transactions on Instrumentation and Measurement, Vol. 58, No. 9, pp.3130-3139, September, 2009.

6 R. Yan , R. Gao, and C. Wang, “Experimental evaluation of a unified time-scale-frequency technique for bearing defect feature extraction”, ASME Journal of Vibration and Acoustics, Vol. 131, No. 4, pp.041012, August, 2009.

7 R. Yan and R. Gao, “Base wavelet selection for bearing vibration signal analysis”, International Journal of Wavelets, Multi-resolution, and Information Processing, Vol. 7, No. 4, pp.411-426, July, 2009.

8 R. Yan and R. Gao, “Multi-scale enveloping spectrogram for vibration analysis in bearing defect diagnosis”, Tribology International, Vol. 42, No. 2, pp. 293-302, February 2009.

9 D. Ball, R. Yan , T. Licht, A. Deshmukh, and R. Gao, “A strategy for decomposing large-scale energy constrained sensor networks for system monitoring”, Production Planning and Control, Vol. 19, No. 4, pp. 435-447, June 2008.

10 R. Yan and R. Gao, “Rotary machine health diagnosis based on empirical mode decomposition”, ASME Journal of Vibration and Acoustics, Vol. 130, No.2, 021007-1-12, April 2008.

11 R. Yan and R. Gao, “Approximate entropy as a diagnostic tool for machine health monitoring”, Mechanical Systems and Signal Processing, Vol. 21, No. 2, pp. 824-839, February 2007.

12 R. Yan and R. Gao, “Hilbert-Huang transform-based vibration signal analysis for machine health monitoring”, IEEE Transactions on Instrumentation and Measurement, Vol. 55, No. 6, pp. 1327-1334, December, 2006.

13 R. Yan and R. Gao, “An efficient approach to machine health evaluation based on harmonic wavelet packet transform”, Robotics and Computer Integrated Manufacturing, Vol. 21, pp. 291-301, August-October 2005.

14 R. Yan and R. Gao, “Complexity as a measure for machine health evaluation”, IEEE Transactions on Instrumentation and Measurement, Vol. 53, No. 4, pp. 1327-1334, August, 2004.

资料更新中……