首 页 | 研究所概况 | 科研队伍 | 新闻动态 | 科研状况 | 学术交流 | 成果转化 | 招生工作 
师资队伍

基本信息

姓名:杨博渊

性别:

职称:副教授

学历:博士

所学专业:

办公电话:

电子邮件:yby@nankai.edu.cn

研究方向:智能工业运维、智能能源管理、人工智能博弈、机器学习(深度学习)与信号处理

个人简介

大家好!我是杨博渊,南开大学人工智能学院副教授。


我于2009年-2013年在西安交通大学钱学森实验班学习,获得实验班工科学士荣誉学位; 2019年9月获得西安交通大学博士学位(优秀毕业);

2017年12月-2019年1月在美国南加州大学工程学院博士联合培养学习(导师S. Joe Qin);

2019年4月-2020年11月,英国曼彻斯特大学电气电子工程学院博士后、副研究员,英国自然科学基金(EPSRC)资助项目。


我于2020年12月通过海外人才引进加入南开大学方勇纯教授研究团队,目前的主要研究方向包括1)智能工业运维:工业大数据分析与应用、机械设备智能故障诊断与寿命预测、机械装备健康监测与维护决策等;2)智能能源管理:电池衰减状况监测、剩余电量预测以及电池管理系统等;3)人工智能博弈;4)机器学习与信号处理基础理论研究等。总结发表学术论文20余篇,引起国内外学者的广泛关注和引用,总被引频次1300多次(来自谷歌学术统计数据),单篇最高被引650次以上,累计共有SCI论文1篇入选ESI热点论文以及4篇入选ESI高被引论文。


我与国外多个实验室建立了长期友好的合作关系,包括卡耐基梅隆大学计算机科学学院LTI、香港城市大学数据科学学院、曼彻斯特大学电气电子工程学院控制系等,优秀学生可推荐交流学习或继续深造。

⭐研究生名额尚有空缺。⭐

非常欢迎考研、保研或想提前进入实验室的本科生与我联系 yby@nankai.edu.cn.

科研项目、成果、获奖、专利

英国自然科学基金:“Development and demonstration of methods and tools for large scale wind turbine pitch bearing condition assessment“,2019.5.-2021.11,169123英镑。

作为通讯作者发表的论文Simultaneous Bearing Fault Recognition and Remaining Useful Life Prediction Using Joint-Loss Convolutional Neural Network,” 被授予IEEE工业电子学会顶级会刊《IEEE Transactions on Industrial Informatics》(影响因子IF=9.112)2021年最佳论文奖,是该期刊当年仅有的两篇获奖论文之一。将于2021年10月召开的IEEE工业电子学会国际年会颁奖。

撰写论文、专著、教材等

5篇代表著作:

[1] Liu R, Wang F, Yang B*, et al. Multi-scale Kernel based Residual Convolutional Neural Network for Motor Fault Diagnosis Under Non-stationary Conditions[J]. IEEE Transactions on Industrial Informatics, 2020.(中科院一区期刊,IF=9.112)


[2] Yang B, Liu R, Zio E. Remaining useful life prediction based on a double-convolutional neural network architecture[J]. IEEE Transactions on Industrial Electronics, 2019, 66(12): 9521-9530. (中科院一区期刊,IF=7.515)


[3]Liu R, Yang B*, Hauptmann A G. Simultaneous Bearing Fault Recognition and Remaining Useful Life Prediction Using Joint-Loss Convolutional Neural Network[J]. IEEE Transactions on Industrial Informatics, 2020. (ESI高被引论文,中科院一区期刊,IF=9.112)


[4] Liu R, Yang B, Zio E, et al. Artificial intelligence for fault diagnosis of rotating machinery: A review[J]. Mechanical Systems and Signal Processing, 2018. (ESI高被引论文,热点论文, 中科院一区期刊, 6.471)


[6] Yang B, Liu R, Chen X. Fault diagnosis for a wind turbine generator bearing via sparse representation and shift-invariant K-SVD[J]. IEEE Transactions on Industrial Informatics, 2017, (中科院一区期刊,IF=9.112)

讲授课程

本科生课程:《强化学习基本原理及编程实现》

社会兼职

IEEE会员、中国自动化学会会员、天津人工智能学会会员。

IEEE TIE, IEEE TII, IEEE TIM, MSSP等多个顶级期刊审稿人。