[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tags-groups":3,"chains-groupcat":4,"experts-list":5,"experts-coverage":157},[],[],{"list":6,"total":154,"page":155,"pageSize":156,"totalPages":155},[7,25,35,78,93,112,135],{"id":8,"name":9,"orgName":10,"school":11,"gender":12,"title":13,"degree":14,"honor":15,"position":15,"researchDirection":16,"intro":17,"province":18,"completeness":19,"avatarAuthorized":20,"sourceUrl":21,"nameValid":22,"tags":23,"tagNames":24},"2ff0ebfb-839b-60f8-690e-11293630005e","张海伦","长安大学汽车学院","长安大学","男","副教授","博士",null,"关注智能网联汽车中驾驶人认知决策、人机交互以及控制领域，如下：（1）在人机交互方面：提出了一种基于分层聚类算法、墨西哥帽小波变换法、非参数检验法以及层次狄利克雷过程与隐马尔可夫模型相结合的多层次驾驶行为分析方法。通过该方法，能够系统地捕捉网联环境下驾驶人和HMI的交互频率、注意力分布及响应特性，为驾驶行为的定量分析和模式提取提供新的思路。采用创新的文本聚类算法对驾驶模式进行定量分析，提供了全新的网联环境下驾驶行为的科学理解和应用模型。学术影响方面，为智能交通系统中的驾驶行为建模提供了理论支持，还为交通安全管理及车联网技术的发展提供了实践依据，具有较高的学术价值与应用潜力(论文1：Zhang Hailun, Fu Rui, Wang Jiangqiang, Simeon C. Calvert, Hans van Lint. Driving Patterns in Connected Environments: A Case Study of Intersection-Approaching Behavior of Professional and Non-Professional Drivers [J]. Transportation Research Part F: Traffic Psychology and Behavior. 103 (2024) 230–259. 论文2：网联环境下驾驶人响应机制—一种交叉路口接近行为定性效应分析与定量驾驶模式提取案例[J\u002FOL]. 机械工程学报, 2024, 60 (10): 22-39.) （2）在车辆稳定性控制方面：提出了一种新型的IPC（干预预测与控制）框架，解决了公交车因转向滞后而导致的横向稳定性问题。该框架结合了干预标准、车辆状态预测和在线控制，通过多因素耦合的BP神经网络实时评估稳定性边界，采用EKF观测器和OARIMA模型预测车速与侧滑角的短期趋势，并通过AFS策略与Smith-SMC设计稳定性控制系统。仿真结果表明，该框架在极端转向条件下表现出色，显著降低了转向滞后的影响，为公交车的主动安全控制提供了新思路（论文：Fu Rui, Yang Bing, Zhang Hailun. Lateral Stability Control of Buses: A framework Considering the Steering Hysteresis Response Using Interleaved Predictive-Control [J]. IEEE Transactions on Vehicular Technology. 2024, 23(1), 216-231.）（3）在驾驶人意图识别方面：拓展在线迁移学习的应用场景，通过将在线迁移学习引入换道意图识别领域，研究展示了如何在交通行为建模中应用动态适应性技术。为交通流量管理与智能驾驶系统中的行为预测提供了新的方法，推动了在线迁移学习在复杂交通环境中的应用研究。此外，为提高意图识别模型的可扩展性与训练效率，通过引入字典学习（稀疏表示）与图Lasso方法，研究解决了传统深度学习在建模速度上的不足，提升了模型在处理不同驾驶行为时的扩展能力。这一创新对提升智能驾驶系统的实时响应能力具有重要意义(论文：Zhang Hailun, Fu Rui, et al. Turning Maneuver Prediction of Connected Vehicles at Signalized Intersections: A Dictionary Learning-Based Approach[J]. IEEE Internet of Things Journal, 2022, 9(22): 23142-23159.)（4）在驾驶行为感知方面：增强车辆行为感知模型的实用性与鲁棒性，将集成学习与半监督学习相结合，并设计了针对数据流中的异常值和概念漂移的自适应策略，使得模型在面对现实世界中的动态数据时表现出更强的鲁棒性与适应性。这为智能交通系统中车辆行为识别与预测的研究提供了更具实用价值的技术方案。此外，提出的基于微簇特征的在线自适应方法，进一步拓展了模型在应对概念演化和新类检测方面的能力，增强了模型在不断变化的交通环境中的适应性与准确性。这为自适应半监督学习在智能交通中的应用研究提供了新方向（论文：Zhang Hailun, Fu Rui, Wang Chang, et al. Driving Maneuver Detection at Intersections for Connected Autonomous Vehicles: A Micro-Cluster-Based Online Adaptable Approach [J]. IEEE Transactions on Intelligent Transportation Systems, 2024, 25(2): 1178-1199, Feb. 2024.）","张海伦，1992年8月生，博士，副教授，长安大学青年英才A，博士生导师。于长安大学获得博士学位，期间赴荷兰代尔夫特理工大学进行为期一年的访问研究，后进入清华大学车辆与运载学院完成博士后研究工作。长期致力于智能网联汽车、驾驶人认知与决策、人机交互与智能控制等前沿交叉领域的研究 。具备出色的科研创新能力与扎实的学术功底，在博士与博士后期间取得了一系列标志性创新成果（对我个人来说挺标志创新的(●'◡'●)）。以第一作者身份在交通运输工程和车辆工程领域发表高水平期刊论文20余篇，其中多篇发表于IEEE Transactions on Intelligent Transportation Systems、IEEE Internet of Things Journal、Transportation Research Part F 等国际顶级期刊。此外，还申请了10余项国家发明专利（7项授权）。主持了国家自然科学基金、国家重点研发计划子任务、陕西省自然科学基金、国家资助博士后研究人员计划（博新计划上会没中，给了个B档，难受）、中国博士后科学基金面上项目、北京市自然科学基金青年项目（这个很难，我也是侥幸获批）等多项国家级及省部级课题。同时，作为项目骨干组织申报1项并深度参与了3项国家重点研发计划项目。研究工作系统地解决了智能座舱人机交互、驾驶意图识别和行为建模等领域的关键问题。例如，提出了创新的多层次驾驶行为分析方法，为理解网联环境下的人机交互特性提供了新模型；将在线迁移学习与字典学习等方法引入驾驶意图识别，有效提升了模型的扩展性与实时性；设计的集成学习与半监督学习融合框架，显著增强了车辆行为感知模型的鲁棒性与自适应能力。这些研究成果兼具理论深度与应用价值，为智能驾驶系统的发展提供了关键技术支撑。每年有3-4个硕士招生名额和1个博士招生名额（硕士生名额确定，但是博士生名额与到账经费挂钩），欢迎对本方向有兴趣的本科生、硕士生和博士生同学联系我！无性别和第一学历歧视！邮箱：zhanghailun@chd.edu.cn          iszhanghailun@outlook.com我能提供的：1. 科研方面：提供前沿科研idea，至少每周1次的手把手指导算法建模、论文撰写、专利申报、科研项目申请书撰写（指导过的研究生同学均可以发领域内顶刊）；2. 交流方面：国际（荷兰）和国内（清华大学、吉林大学、北京理工大学、华南理工大学、重庆大学等）一流学府交流机会，还能带你去开会吃茶歇；3. 硬件方面：团队具有基座式驾驶模拟器2台、多自由度驾驶模拟器1台、自动驾驶汽车3辆，依托于长安大学车联网与智能汽车试验场，可有效进行驾驶人认知和自动驾驶控制决策课题研究；4. 运动方面：本人热爱健身、跑步（配速515）、骑行（9小时200公里）、越野（每年一次，50公里6.5小时）、登山徒步（之前每周一山，现在太忙，求带）等运动项目，具有多年运动基础和常年运动习惯，可帮助同学成为合格的“体育生”。对你的期待：1. 坐的住、能吃苦、有奋斗精神；2. 对学术科研有追求，致力于基础研究和工程应用落地；3. 熟练Matlab、Python等软件，学习过《机器学习》、《深度学习》、《强化学习》等课程；4. 对自动驾驶、智能交通、认知心理科学感兴趣并有过论文发表经历（不强制）。 \n                                \n                                \n                                    \n                                         社会职务 \n                                    \n                                     给IEEE Transactions on Intelligent Transportation Systems、Accident Analysis and Prevention、《机械工程学报》、《汽车工程》、IEEE Internet of Things、Transportation Research Part C\u002FF等期刊投过稿，所以被列为了审稿人（没啥社会职务，空着也不好，但是我看其他老师都写了，那我也这么写）","陕西",100,false,"http:\u002F\u002Fjs.chd.edu.cn\u002Fqcxy\u002Fzhl1\u002Flist.htm",true,[],[],{"id":26,"name":27,"orgName":10,"school":11,"gender":12,"title":28,"degree":14,"honor":15,"position":15,"researchDirection":29,"intro":30,"province":18,"completeness":31,"avatarAuthorized":20,"sourceUrl":32,"nameValid":22,"tags":33,"tagNames":34},"8fb328b6-8be0-e8ff-360c-239174c9e676","刘晓飞","讲师","背景介绍机械装备健康监测与寿命预测是智能运维的核心，能够提前预警故障、优化维护决策，在航空航天、能源动力、交通运输等高端装备领域对保障设备安全、降低维护费用至关重要。本人研究内容围绕信号特征提取、健康状态监测及剩余寿命预测开展相关研究工作。Your user agent does not support the HTML5 Video element.研究内容一：信号特征提取机械装备在退化过程中，其损伤程度由早期故障逐步发展为严重故障，并最终导致功能失效。监测的振动信号中故障冲击特征的演变过程正是状态监测和剩余寿命预测的重要依据。然而，由于机械系统结构复杂、工况时变等特性，导致故障冲击成分被淹没。如何从强背景噪声中提取有效的故障冲击成分，是智能运维的重要基础环节。Your user agent does not support the HTML5 Video element.研究内容二：剩余寿命预测剩余寿命预测通过对机械装备在实际工况下的运行数据进行分析，预估设备从当前状态到失效所需的时间。工程实际中，机械装备常面临复杂时变工况，这使得监测数据存在时变性和不确定性，从而导致退化特征分布差异。如何克服时变工况导致的退化特征分布差异，构建监测信号与剩余寿命的准确映射关系，是智能运维的核心环节。研究方法涵盖：深度学习神经网络、迁移学习、数字孪生等。发布齿轮疲劳寿命实验数据集：百度网盘链接：https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1zyIr7pE3yD8D2kbx5GCgCA  提取码: XJTU","刘晓飞，山东东营人，现为长安大学汽车学院讲师、师资博士后。本科就读于南京理工大学机械工程与自动化专业，硕士就读于大连理工大学机械电子工程专业，2025年6月获得西安交通大学工学博士学位。研究方向：面向车辆、风电等装备复杂服役工况，开展信号特征提取、健康状态监测、数字孪生建模及剩余寿命预测等方面研究。发表MSSP、TII等领域Top期刊论文10余篇。 \n                                \n                                \n                                    \n                                         社会职务 \n                                    \n                                     担任Mechanical Systems and Signal Processing、IEEE Transactions on Reliability等学术期刊审稿人",91,"http:\u002F\u002Fjs.chd.edu.cn\u002Fqcxy\u002Flxf2\u002Flist.htm",[],[],{"id":36,"name":37,"orgName":38,"school":11,"gender":12,"title":13,"degree":14,"honor":15,"position":15,"researchDirection":39,"intro":40,"province":18,"completeness":41,"avatarAuthorized":20,"sourceUrl":42,"nameValid":22,"tags":43,"tagNames":77},"880e109d-8341-3b16-1e1f-1de7760d37ea","宁航","长安大学信息工程学院","研究领域：智慧交通场景的智能感知与协同计算人工智能与计算机视觉聚焦复杂交通场景非结构化、动态化感知难题，重点研究多模态融合感知的交通目标智能检测与跟踪、场景语义理解、图像拼接与三维重建、轻量化AI推理等关键技术，支撑智能交通特定场景智能感知与研判。智能机器人与嵌入式测控系统面向交通基础设施无人化运维与智能装备自主作业需求，融合智能机器人感知与决策理论、嵌入式实时计算、云边协同控制等技术，在自主作业方面，研究复杂受限环境下特种机器人的环境感知建模、动态路径规划与自主控制算法；在实时测控方面，研究端侧AI推理引擎与实时操作系统适配、多传感器时间同步与数据分发机制、分布式测控网络通信协议等关键系统。交通运载装备智能感知检测与故障诊断面向机动车性能检测和地铁列车缺陷检测，研究基于多源信号融合的异常检测与故障智能判别算法，突破微弱特征提取、跨域迁移学习等关键技术，配套研制一体化智能检测装备与数字化诊断系统","宁航，工学博士，副教授，硕士生导师，陕西省机动车辆检测协会技术专家，发表SCI、EI等学术论文10余篇，先后主持或参与国家重点研究计划、陕西省重点研发计划等各类纵横向科研项目10余项。研究成果在国内外交通行业得到广泛的推广应用。研究方向为智慧交通与车路协同、检测机器人、工业测控网络与嵌入式系统、机动车检测技术。 \n                                \n                                \n                                    \n                                         社会职务",72,"http:\u002F\u002Fjs.chd.edu.cn\u002Fxxgcxy\u002Fnh\u002Flist.htm",[44,47,50,53,56,59,62,65,68,71,74],{"code":45,"name":46},"GB-39","计算机、通信和其他电子设备制造业",{"code":48,"name":49},"GB-40","仪器仪表制造业",{"code":51,"name":52},"GB-65","软件和信息技术服务业",{"code":54,"name":55},"GB-73","研究和试验发展",{"code":57,"name":58},"GB-74","专业技术服务业",{"code":60,"name":61},"SEI-01","新一代信息技术产业",{"code":63,"name":64},"SEI-02","高端装备制造产业",{"code":66,"name":67},"CH-20","高端装备",{"code":69,"name":70},"CH-28","交通",{"code":72,"name":73},"CH-33","人工智能",{"code":75,"name":76},"FU-08","生成式人工智能",[46,49,52,55,58,61,64,67,70,73,76],{"id":79,"name":80,"orgName":81,"school":81,"gender":15,"title":82,"degree":15,"honor":15,"position":15,"researchDirection":83,"intro":84,"province":85,"completeness":41,"avatarAuthorized":20,"sourceUrl":86,"nameValid":22,"tags":87,"tagNames":92},"1d2fe1e0-1d9e-4639-9244-7c172e1ac676","高洪波","中国科学技术大学","研究员","(1) 智能驾驶车辆感知、规划、决策与控制研究；(1) 智能驾驶车辆感知、规划、决策与控制研究；(2) 迁移学习、不确定性人工智能及其智能驾驶车辆应用；(2) 迁移学习、不确定性人工智能及其智能驾驶车辆应用；(3) 智能驾驶车辆智能测试与评价标准体系研究；(3) 智能驾驶车辆智能测试与评价标准体系研究","【产业方向】人工智能","安徽","http:\u002F\u002Ffaculty.ustc.edu.cn\u002Fgaohongbo\u002Fzh_CN\u002Findex.htm",[88,89,90,91],{"code":54,"name":55},{"code":57,"name":58},{"code":60,"name":61},{"code":72,"name":73},[55,58,61,73],{"id":94,"name":95,"orgName":96,"school":97,"gender":15,"title":28,"degree":15,"honor":15,"position":15,"researchDirection":98,"intro":99,"province":100,"completeness":101,"avatarAuthorized":20,"sourceUrl":102,"nameValid":22,"tags":103,"tagNames":111},"686a07b0-c6b8-413d-be52-92b4ea0ce3c8","安翼尧","重庆邮电大学自动化学院","重庆邮电大学","[1] 模式识别（深度学习、迁移学习、小样本学习、数据不平衡）","【产业方向】能源环保","重庆",67,"http:\u002F\u002Ffaculty.cqupt.edu.cn\u002Fanyiyao\u002Fzh_CN\u002Findex.htm",[104,107,110],{"code":105,"name":106},"GB-77","生态保护和环境治理业",{"code":108,"name":109},"CH-22","绿色环保",{"code":72,"name":73},[106,109,73],{"id":113,"name":114,"orgName":115,"school":116,"gender":15,"title":117,"degree":15,"honor":15,"position":15,"researchDirection":118,"intro":119,"province":18,"completeness":120,"avatarAuthorized":20,"sourceUrl":121,"nameValid":22,"tags":122,"tagNames":134},"d1250edf-7dda-46b4-a902-db9c72b77037","王宇","西安交通大学机械工程学院","西安交通大学","教授","装备运行可靠性分析与寿命预测 系统故障预测与健康管理（PHM） 基于大数据分析的智能制造与维护 基于深度学习理论的设备故障诊断与剩余寿命预测技术（对抗学习、迁移学习、贝叶斯深度学习、深度强化学习）","【产业方向】高端装备",59,"https:\u002F\u002Fgr.xjtu.edu.cn\u002Fywang95\u002Fzh_CN\u002Findex.htm",[123,124,125,126,127,130,131],{"code":60,"name":61},{"code":63,"name":64},{"code":66,"name":67},{"code":69,"name":70},{"code":128,"name":129},"CH-30","制造",{"code":72,"name":73},{"code":132,"name":133},"CH-35","大数据\u002F数据要素",[61,64,67,70,129,73,133],{"id":136,"name":137,"orgName":138,"school":116,"gender":12,"title":13,"degree":15,"honor":15,"position":15,"researchDirection":139,"intro":140,"province":18,"completeness":120,"avatarAuthorized":20,"sourceUrl":141,"nameValid":22,"tags":142,"tagNames":153},"f425ccce-6c71-46d2-9308-8ca91bb153bc","龚铁梁","西安交通大学计算机科学与技术学院","机器学习理论与方法；试图对深度学习这个\"黑箱\"给出一些有深刻洞见的理解；并在持续学习；迁移学习和可信医疗人工智能","【产业方向】信息技术","https:\u002F\u002Fgr.xjtu.edu.cn\u002Fgongtl\u002Fzh_CN\u002Findex.htm",[143,144,147,148,151,152],{"code":45,"name":46},{"code":145,"name":146},"GB-84","卫生",{"code":60,"name":61},{"code":149,"name":150},"CH-17","新一代信息技术",{"code":69,"name":70},{"code":72,"name":73},[46,146,61,150,70,73],7,1,30,{"schools":158},297]