宋浏阳，副教授，硕导
主要研究方向：机械设备状态信号分析与智能诊断系统
电子邮件： xq_0703@163.com
教育经历
2006年-2010年：北京化工大学，机电工程学院，学士；
2010年-2013年：北京化工大学，机电工程学院，硕士；
2014年-2017年：日本，三重大学，环境信息工学，工学博士；
工作经历
2017.04-2017.12，日本，三重大学，生物资源学研究科，博士后；
2018.01-2020.06，北京化工大学，机电工程学院，师资博士后；
2020.07-2020.12，北京化工大学，机电工程学院，讲师；
2020.12-至今，北京化工大学，机电工程学院，副教授；
个人简介
2010年获北京化工大学机电工程学院工学学士学位，2017年获日本三重大学工学博士学位（公派留学项目），2018年获国家留学基金委青年基金项目支持，2019年入选北京化工大学“青年英才百人” 计划。参与国家自然科学基金面上、科技部重点研发等项目3项。作为第一或通讯作者在IEEE TIM、IEEE TFS、IEEE SJ等IEEE会刊、仪器仪表学报等国内外本领域高水平期刊发表SCI/EI论文16篇（其中3篇先后入选ESI高被引论文）；授权发明专利2项，研究成果获2020年中国振动工程学会科学技术二等奖1项（基础研究，排名第三）。主要学术兼职：中国振动工程学会故障诊断专委会理事、中国设备管理协会设备诊断工程委员会理事、中国振动工程学会转子动力学专业委员会理事、国际期刊International Journal of Comprehensive Engineering（IJCE）编委。
负责及主要参与科研项目
1. 基于自适应稀疏表征的声振多源信号分离方法研究，2019.01-2021.12，国家自然科学基金委员会青年基金项目，24万，负责；
2. 基于人工智能算法的发动机振动故障预测方法研究，2020.07- 2022-04，企业项目，20万，负责；
3. 面向诊断机器人的声音信号抗回声干扰方法研究，2018.01-2018.12，中央高校基本科研业务费探索项目，5万，负责；
4. 食品饮料灌装流程柔性抓取传感器设计，2018.01-2019.12，江苏省食品先进制造装备技术重点实验室开放课题，3万，负责；
5. 主轴轴承多维稀疏表征与深度迁移学习智能诊断方法研究，2021.01-2024.12国家自然科学基金委员会面上项目，主要参与；
6. 基于大数据的特种设备事故预测预防技术研究，2018.07-2021.06，科学技术部重点研发计划项目，主要参与；
7. 连续碳纤维增强热塑性复合材料汽车件的设计、热压成型及性能优化研究2019.01-2021.12，国家自然科学基金联合项目，主要参与。
代表性论文
1. L. Song, H. Wang* and P. Chen*.Automatic Patrol and Inspection Method for Machinery Diagnosis Robot- Sound Signal Based Fuzzy Search Approach-，IEEE sensors Journal, 20(15):8276-8286, 2020.
2. L. Song, H. Wang* and P. Chen*. Intelligent diagnosis method for machinery by sequential auto-reorganization of histogram, ISA transactions, 87:154-462, 2019.
3. L. Song, H. Wang* and P. Chen*. Automatic signal quality check and equipment condition surveillance based on trivalent logic diagnosis theory, Measurement, 136:173-184, 2019.
4. L. Song, H. Wang* and P. Chen*. Step-by-step Fuzzy Diagnosis Method for Equipment Based on Symptom Extraction and Trivalent Logic Fuzzy Diagnosis Theory. IEEE Transactions on Fuzzy Systems, 26(6):3467-3478, 2018. (IF: 12.03, ESI)
5. L. Song, H. Wang and P. Chen*. Vibration-Based Intelligent Fault Diagnosis for Roller Bearings in Low-Speed Rotating Machinery. IEEE Transactions on Instrumentation and measurement, 67(8):1887-1899, 2018. (ESI)
6. L. Song, P. Chen, H. Wang and M. Kato. Intelligent Condition Diagnosis Method for Rotating Machinery Based on Probability Density and Discriminant Analyses, IEEE Signal Processing Letters, 23(8):1111-1115, 2016.