能赢钱最官方的游戏

学术身份

能赢钱最官方的游戏青年未来学者

学术兼职

中国人工智能学会 青委会委员

中国振动工程学会 转子动力学委员会理事

中国振动工程学会 故障诊断委员会理事

IEEE Transaction on Cybernetics, Mechanical Systems and Signal Processing, Applied Energy

, Energy, Journal of The Franklin Institute, Measurement, Advances in Mechanical Engineering等期刊审稿人

国内外学习和工作经历

学习经历：

2016.06在南京航空航天大学能源与动力学院获航空宇航推进理论与工程专业博士学位，课题方向为：航空发动机系统控制与仿真，航空发动机结构强度振动与可靠性；
2014.09-2015.10受国家公派留学基金委（CSC）资助在英国南安普顿大学（University of Southampton）航空工程系（Aerospace Engineering）及流固耦合组（Fluid Structure Interaction Group）联合培养博士研究生.
工作经历：

2016.09-2018.11在清华大学机械工程系任助理研究员（Research Assistant），博士后师从褚福磊教授.

主讲课程

本科生：

人工智能

企业实践（卓越班，山东省一流课程）

研究领域

人工智能算法与生物/机械信号处理算法
机电装备预测性维护

增/等/减材智能制造

旋转机械动力学与故障诊断

承担科研项目情况

1. 国家自然科学基金青年基金项目(51705275), 变转速下旋转机械故障状态的稀疏表示与深度学习诊断方法研究，2018.01-2019.12，22万元，主持；

2. 国家自然科学基金重点项目(51335006), 大型风电装备故障机理分析与诊断，2014.01-2018.12，320万元，参与（负责人：清华大学褚福磊教授，西安交通大学陈雪峰教授）;

3. 国家自然科学基金面上项目(11872222), 高速动载角接触滚动轴承打滑机理研究，2019.01-2022.12，63万元，参与（负责人：清华大学韩勤锴副研究员）;

4. 基于人工智能与多模态脑影像学的意识障碍诊断预测，能赢钱最官方的游戏齐鲁医院课题，在研，主持；

5. 基于受体靶标的肿瘤与代谢病新药创制，能赢钱最官方的游戏青年交叉科学创新群体，在研，子课题负责人（基于人工智能技术的新型药物设计）；

6. 胆管癌预防与诊治的精准医疗集成应用示范体系，山东省重点研发计划（重大科技创新工程），在研，子课题负责人；

近期主要的代表性论文、著作、专利：

1. L. Wang, S. Ma*, Q. Han and F. Chu, Unified Sparse Time Frequency Analysis: Decomposition, Transformation and Reassignment [J]IEEE Transactions on Industrial Informatics (SCI影响因子IF=10.2).

2. L. Wang, S. Ma* and Q. Han, Enhanced Sparse Low-Rank Representation via Nonconvex Regularization for Rotating Machinery Early Fault Feature Extraction [J] IEEE/ASME Transactions on Mechatronics (SCI影响因子IF=5.3).

3. L. Wang, S. Ma* and Q. Han, Reweighted Dual Sparse Regularization and Convex Optimization for Bearing Fault Diagnosis[J] IEEE Transactions on Instrumentation and Measurement (SCI影响因子IF=4.0), vol. 70, pp. 1-9, 2021.

4. Ma S, Chu F, Han Q. Deep residual learning with demodulated time-frequency features for fault diagnosis of planetary gearbox under nonstationary running conditions[J]. Mechanical Systems and Signal Processing (SCI影响因子IF=5.0), 2019, 127: 190-201.

5. Ma S, Chu F. Ensemble deep learning-based fault diagnosis of rotor bearing systems[J]. Computers in Industry (SCI影响因子IF=4.7), 2019, 105: 143-152.

6. Ma S, Li S M, Xiong Y P. Uncertainty reduced novelty detection approach applied to rotating machinery for condition monitoring[J]. Shock and Vibration (SCI影响因子IF=1.8), 2015, 2015.

7. Ma S, Li S M, Xiong Y P. Uncertainty extraction based multi-fault diagnosis of rotating machinery[J]. Journal of Vibroengineering (SCI Indexed), 2016, 18(1).

8. Ma S , Li S M , Liu H L, et al. Vibration source model estimation and state specificity perception of a rotor structure[J] (SCI Indexed). 2015.

9. Han Q，Ma S, Chu F. Kernel density estimation model for wind speed probability distribution with applicability to wind energy assessment in China[J]. Renewable & Sustainable Energy Reviews (SCI影响因子IF=10.5), 2019.

10. 马赛，褚福磊. 风速时间序列模拟的模型有效性验证及代表性风场实例分析[J]. 振动与冲击(EI Indexed), 2019.

联系方式

邮箱：massana@163.com