宋浏阳，见习教授，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；
2020.12-2023.12，北京化工大学，机电工程学院，副教授；
2024.01-至今， 北京化工大学，机电工程学院，见习教授；
个人简介
隶属于高端机械装备健康监控与自愈化北京市重点实验室，主要研究机械装备健康监测、智能诊断及预测。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，2024年入选“北京市科技新星”计划。负责国自然青年和面上项目各1项，北自然青年项目、前沿研究项目各1项，第一/通讯作者发表SCI/EI收录学术论文30余篇。研究成果获2020年中国振动工程学会科学技术二等奖1项（排名第三），2021年获北京市自然科学二等奖（排名第三）。主要学术**：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。2020年-2024年独立/协助培养硕士研究生18人、博士生3人，学生获奖共计20人次。
负责及主要参与科研项目
1. 基于多任务图样本网络的航发主轴轴承智能诊断与性能退化评估方法，2024.01-2027.12，国家自然科学基金面上项目，2024.01-2027.12，50万，负责。
2. 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，国家自然科学基金青年项目，24万，负责；
3. 基于小样本机器学习的轨道交通列车设备故障诊断方法研究，北京市自然科学基金前沿项目，2021.12-2024.12，27.8万，负责；
4. 高端装备协同智能故障诊断理论与预测方法，科技部重点研发项目，2022.12-2025.11，主要参与；
5. 高端装备智能运维数字孪生体建模理论，科技部重点研发项目，2022.11-2025.10，主要参与；
6. 系统工作参数趋势预测方法研究，企业项目，2024.03-2024.04，主要参与。
代表性论文
1. L. Song, Y. Jin, T. Lin, S. Zhao, Z. Wei and H. Wang, Remaining Useful Life Prediction Method Based on the Spatiotemporal Graph and GCN Nested Parallel Route Model, IEEE Transactions on Instrumentation and Measurement, vol. 73, pp. 1-12, 2024,
2. L. Song, T. Lin, Y. Jin, S. Zhao, Y. Li, H. Wang, Advancements in bearing remaining useful life prediction methods: a comprehensive review, Measurement Science and Technology, 35(9): 092003, 2024.
3. 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.
4. L. Song, H. Wang* and P. Chen*. Intelligent diagnosis method for machinery by sequential auto-reorganization of histogram, ISA transactions, 87:154-462, 2019.
5. 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.
6. 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)
7. 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)
8. 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.