姓名：邓林峰

职称：副教授

民族：汉族

党派：中国共产党

地址：甘肃省兰州市七里河区彭家坪路36号

邮编：730050

E-mail：denglinfeng2002@163.com

研究领域

机械动态测试与故障诊断

机电信息智能处理与机器学习

教育经历

2007.09~2014.12，兰州理工大学，机械制造及其自动化(硕博连读)，工学博士学位

2002.09~2006.06，兰州理工大学，信息与计算科学，理学学士学位

工作履历

2018.01~至今，兰州理工大学，机电工程学院，副教授

2016.12~至今，兰州理工大学，机电工程学院，硕士研究生导师

2018/10~2019/07，东南大学，机械工程学院，访问学者

2016.01~2021.12，兰州理工大学，控制科学与工程博士后科研流动站，博士后

2015.05~2017.12，兰州理工大学，机电工程学院，讲师

2006.07~2007.07，甘肃省漳县第二中学，教师

教学工作

本科生课程：机电一体化控制技术与系统、机电系统微机控制技术、智能制造导论

研究生课程：机械设备故障诊断

学术兼职

中国人工智能学会会员，吴文俊人工智能科学技术奖通讯评审专家，全国高校机械工程测试技术研究会西北分会理事，《Energy》、《Journal of Sound and Vibration》、《Engineering Applications of Artificial Intelligence》、《Journal of Mechanical Science and Technology》等多个学术期刊的审稿人。

科研项目

[1] 国家自然科学基金项目：机理与数据协同驱动的风机主轴承健康状态评估方法研究(62241308)，主持，在研

[2] 甘肃省技术创新引导计划：基于多尺度熵分析的石油钻机系统故障智能识别方法(22CX8GA130)，主持，在研

[3] 中国博士后科学基金项目：基于深度学习的风机齿轮箱健康监测方法(2016M592857)，主持，结题

[4] 甘肃省自然科学基金项目：基于流形学习的旋转机械振动数据聚类方法研究(B类重点项目，1610RJZA004)，主持，结题

[5] 兰州理工大学博士科研启动基金：基于机器学习的旋转机械智能诊断故障方法研究，主持，在研

[6] 国家自然科学基金项目：数据驱动途径的典型旋转机械智能故障决策知识粒计算问题研究(51675253)，参与，结题

[7] 国家重点研发计划项目：典型石化装置动设备检测监测与完整性评价技术课题三之任务4-典型故障自动诊断关键技术(2016YFF0203303-04)，参与，结题

[8] 国家自然科学基金项目：旋转机械故障知识的知识化表达模型建模问题研究(50875118)，参与，结题

奖励与荣誉

[1] 2022年甘肃省电工技术学会科学技术一等奖：风电机组主轴承故障的特征学习与智能识别技术(2022-08-01-01)，排名1/5

[2] 2021年甘肃省电工技术学会科学技术一等奖：感应电机滚动轴承故障智能检测与聚类识别技术(2021-04-01-01)，排名1/6

[3] 2015年甘肃省机械工程学会科学技术二等奖：基于数据驱动的旋转机械在线状态监测与故障辨识技术(2015-2-5-R2)，排名2/6

学术成果

一、期刊论文：

[3] 王琦, 邓林峰, 赵荣珍. 基于改进一维卷积神经网络的滚动轴承故障识别[J]. 振动与冲击, 2022, 41(3): 216-223.

[4] 王望望, 邓林峰, 赵荣珍, 吴耀春. 集成KPCA与t-SNE的滚动轴承故障特征提取方法[J]. 振动工程学报, 2021, 34(2): 431-440.

[5] 王望望, 邓林峰, 赵荣珍, 张爱华. 基于QPSO-MPE的滚动轴承故障识别方法[J]. 振动、测试与诊断, 2021, 41(1): 62-68+200-201.

[6] Zhang Weiqiang, Deng Linfeng, Yang Lei, Yang Ping, Diao Dongfeng, Wang Pengfei, Wang Zhonglin. Multilanguage-handwriting self-powered recognition based on triboelectric nanogenerator enabled machine learning[J]. Nano Energy, 2020, 77: 105174.

[7] 王望望, 邓林峰, 赵荣珍, 张爱华. 基于二次聚类分割与Teager能量谱的滚动轴承微弱故障特征提取[J]. 振动与冲击, 2020, 39(13): 246-253.

[8] 邓林峰, 张爱华, 赵荣珍. 集成多策略改进FCM算法的旋转机械故障数据聚类分析研究[J]. 振动工程学报, 2019, 32(5): 918-926.

[9] 赵荣珍, 李霁蒲, 邓林峰. EWT多尺度排列熵与GG聚类的轴承故障辨识方法[J]. 振动、测试与诊断, 2019, 39(2): 416-423+451.

[10] 张琛, 赵荣珍, 邓林峰, 吴耀春. 基于SVD-EEMD和TEO的滚动轴承弱故障特征提取[J]. 振动、测试与诊断, 2019, 39(4): 720-726+900.

[11] 张琛, 赵荣珍, 邓林峰. 基于变分模态分解奇异值熵的滚动轴承微弱故障辨识方法[J]. 振动与冲击, 2018, 37(21): 87-91+107.

[12] 赵荣珍, 孙业北, 邓林峰. 自适应NWFE-KFCM算法在旋转机械故障辨识中的应用[J]. 计算机集成制造系统, 2018, 24(4): 820-828.

[13] 王雪冬, 赵荣珍, 邓林峰. 基于KSLPP与RWKNN的旋转机械故障诊断[J]. 振动与冲击, 2016, 35(8): 219-223.

[14] 赵荣珍, 王雪冬, 邓林峰. 基于PCA-KLFDA的小样本故障数据集降维方法[J]. 华中科技大学学报(自然科学版), 2015, 43(12): 12-16.

[15] 邓林峰, 赵荣珍, 靳伍银. 基于改进LMD方法的故障转子振动分析[J]. 振动、测试与诊断, 2015, 35(4): 702-708.

[16] 邓林峰, 赵荣珍. 基于CHI-LMD方法的转子振动信号分析[J]. 振动与冲击, 2014, 33(15): 58-64.

[17] Deng Linfeng, Zhao Rongzhen. Fault feature extraction of a rotor system based on local mean decomposition and Teager energy kurtosis[J]. Journal of Mechanical Science and Technology, 2014, 28(4): 1161-1169.

[18] Deng Linfeng, Zhao Rongzhen. An improved spline-local mean decomposition and its application to vibration analysis of rotating machinery with rub-impact fault[J]. Journal of Vibroenigeering, 2014, 16(1), 414-433.

[19] Deng Linfeng, Zhao Rongzhen. A vibration analysis method based on hybrid techniques and its application to rotating machinery[J]. Measurement, 2013, 46(9): 3671-3682.

[20] 赵荣珍, 邓林峰. 基于粗糙集数据分类概念的故障知识发现[J]. 振动、测试与诊断, 2012, 32(1): 17~22+158.

[21] 邓林峰, 赵荣珍, 龚俊. 一种改进的转子振动信号消噪方法研究[J]. 仪器仪表学报, 2011, 32(9): 1961-1966.

二、发明专利：

[1] 邓林峰, 张爱华, 郑玉巧, 赵荣珍. 一种滚动轴承早期损伤状态的特征提取方法: ZL202010906571.7[P]. 2021-11-9.

[2] 邓林峰, 赵荣珍, 杨军虎, 杨超, 户文刚, 张琛. 一种用于离心泵振动监测与故障预警的装置及方法: ZL2018100180248.8[P]. 2020-4-17.