邓艾东，四川仪陇人，工学博士、教授、博士生导师，大型发电装备安全运行与智能测控国家工程研究中心主任。科技部\教育部\中国科协\国家自然科学基金委\北京\上海\江苏\浙江\广东\江西\河北\安徽等部委省市专家，国家人工智能标准化总体组全权成员单位代表，中国机械工程学会高级会员，国家能源灵活智能发电技术研发中心（建设）学术委员会委员，江苏省风电产业专家委员会执行主任，江苏省重点智库“碳中和发展研究院”理事，江苏省能源研究会\江苏省可再生能源学会等专委会副主委，《太阳能学报》编委，《中国电机工程学报》、《机械工程学报》等十多家重要学术期刊特约审稿人。长期从事发电装备状态监测与故障诊断、智能运维、测控技术、工业大数据等研究，主持完成省部级以上项目\课题8项、国内外发电测控系统工程项目与科技攻关300余项，获江苏省科学技术一等奖2项，电力行业科技进步奖3项，省部级鉴定科研成果6项，授权发明专利23项，发表论文160多篇，其中SCI/EI论文80余篇，合著学术专著2部。参与了我国第一代汽轮机状态监测与保护系统的研制，研发了国内第一代智能化电厂状态监控和故障诊断系统，牵头完成的“大型发电机组故障诊断及检测技术研发及应用”成果在燃煤火电、燃气轮机、核电、风电等主力发电机型上均得到应用。近年来提出知识与数据联合驱动的预警、诊断、预测、健康评估、寿命分析等一系列智能运维新方法，促进了我国能源系统数字化智能化发展。

本科生专业课程：《风能利用技术》，《专业人才论坛》

通识课程：《风力发电技术》

• 国家自然科学基金-面上：变工况下多源信息深度融合的风电传动系统运行状态评估研究，主持，2019.1-2022.12

• 国家自然科学基金-面上：复杂传播结构和噪声环境下的旋转机械碰摩声发射识别与定位研究，主持，2011.1-2013.12

• 科技部863计划：大型发电机组安全稳定运行关键技术及保障系统研究，课题负责人，2007.10-2010.6

• 国家发改委国家工程中心创新能力建设项目：发电机组安全监控平台，课题负责人，2010.7-2012.12

• 中国工程院咨询研究项目：新一代人工智能基础性、突破性发展战略研究，子课题负责人，2019.3-2020.9

• 江苏省碳达峰碳中和科技创新专项: 10MW级轻量化超长柔性叶片海上风电机组研发及产业化，课题负责人，2021.4-2024.9

• 江苏省重点研发计划：10MW级中速传动海上风电机组轻量化设计及状态评估关键技术研究，课题负责人，2020.6-2023.6

• 国家自然科学基金-青年：稠密气固两相流多源多尺度数据融合及流动特性研究，参与，2010.1-2012.12

• 主持完成国内发电企业科技攻关或工程项目、海外电厂测控系统工程项目等200多项

• 主持完成省部级科技鉴定项目6项

• 东南大学课程思政校级示范课改革试点立项建设项目1项

• 东南大学第三批通识选修课程建设项目1项

论文：

[1]  Liu， Yang，Deng， Aidong，Deng， Minqiang，Shi， Yaowei，Li， Jing. Transforming the Open Set Into a Pseudo-Closed Set: A Regularized GAN for Domain Adaptation in Open-Set Fault Diagnosis[J] IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT，2023，72:7355-7366.

[2]  Xu Meng， Shi Yaowei， Deng Minqiang， Liu Yang， Ding Xue， Deng Aidong. An improved multi-scale branching convolutional neural network for rolling bearing fault diagnosis [J]. PLOS ONE，2023，18(9)：1-21.

[3]  Shi Yaowei，Deng Aidong，Deng Minqiang，Li Jing，Xu Meng，Zhang Shun， Xu Shuo. Domain transferability-based deep domain generalization method towards actual fault diagnosis scenarios [J]. IEEE Transactions on Industrial Informatics，2022，19(6):7355-7366.

[4]  Shi Yaowei，Deng Aidong，Deng Minqiang，Xu Meng，Liu Yang，Ding Xue，Bian Wenbin. Domain augmentation generalization network for real-time fault diagnosis under unseen working conditions [J]. RELIABILITY ENGINEERING & SYSTEM SAFETY，2023，235：109188

[5]  Deng Minqiang， Deng Aidong， Shi Yaowei， Xu Meng. Correlation regularized conditional adversarial adaptation for multi-target -domain fault diagnosis [J]. IEEE Transactions on Industrial Informatics， 2022， 18(12)： 8692-8702.  

[6]  Shi Yaowei，Deng Aidong，Deng Minqiang，Xu Meng，Liu Yang，Ding Xue，Bian Wenbin. Instance adaptive multisource transfer for fault diagnosis of rotating machinery under variable working conditions [J]. MEASUREMENT，2022，202：111797

[7]  Shi Yaowei，Deng Aidong，Deng Minqiang，Xu Meng，Liu Yang，Ding Xue，Li Jing. Transferable adaptive channel attention module for unsupervised cross-domain fault diagnosis[J]. Reliability Engineering & System Safety，2022，226：1-12. 

[8]  Deng Minqiang， Deng Aidong， Shi Yaowei， Liu Yang， Xu Meng. A novel sub-label learning mechanism for enhanced cross-domain fault diagnosis of rotating machinery [J]. Reliability Engineering & System Safety， 2022， 225：108589.

[9]  Shi Yaowei，Deng Aidong，Deng Minqiang，Xu Meng，Liu Yang，Ding Xue. A novel multiscale feature adversarial fusion network for unsupervised cross-domain fault diagnosis [J]. MEASUREMENT，2022，200：111616

[10]Deng Minqiang， Deng Aidong， Shi Yaowei， Liu Yang， Xu Meng. Intelligent fault diagnosis based on sample weighted joint adversarial network [J]. Neurocomputing， 2022， 488：168-182.

[11]Shi Yaowei，Deng Aidong，Ding Xue，Zhang Shun，Xu Shuo，Li Jing .Multisource domain factorization network for cross-domain fault diagnosis of rotating machinery： An unsupervised multisource domain adaptation method[J]. MECHANICAL SYSTEMS AND SIGNAL PROCESSING，2022，164：108219 

[12]Deng Minqiang，Deng Aidong，Zhu Jing，Shi Yaowei，Liu Yang. Intelligent fault diagnosis of rotating components in the absence of fault data： A transfer-based approach[J]. MEASUREMENT，2021，173：1-15 

[13]Deng Minqiang，Deng Aidong，Zhu Jing，Shi Yaowei，Liu Yang，Chen Qiang. Resonance-based bandwidth Fourier decomposition method for gearbox fault diagnosis[J]. Measurement Science and Technology，2021，32（3）：1-15

[14]Shi Yaowei，Deng Aidong，Deng Minqiang，Zhu Jing，Liu Yang，Cheng Qiang. Enhanced Lightweight Multiscale Convolutional Neural Network for Rolling Bearing Fault Diagnosis[J].IEEE ACCESS，2020，8：217723-217734.

[15]Zhu Jing，Deng Aidong，Li Jing，Deng Minqiang，Sun Wenqing，Cheng Qiang，Liu Yang. Resonance-based sparse adaptive variational mode decomposition and its application to the feature extraction of planetary gearboxes[J]. PLOS ONE，2020，15（4）：1-20

[16]Zhu Jing，Deng Aidong，Li Jing，Deng Minqiang，Sun Wenqing，Cheng Qiang，Liu Yang. Resonance-based sparse improved fast independent component analysis and its application to the feature extraction of planetary gearboxes[J]. Journal of Mechanical Science and Technology，2020，34（11）：4465-4474

[17]Deng Minqiang，Deng Aidong，Zhu Jing，Zhai Yimeng，Sun Wenqing，Chen Qiang，Liu Yang. Bandwidth Fourier decomposition and its application in incipient fault identification of rolling bearings[J]. Measurement Science and Technology， 2020，31（1）：1-18 

[18]Minqiang Deng，Aidong Deng，Jing Zu and Wenqing Sun. Adaptive Bandwidth Fourier Decomposition Method for Multi-Component Signal Processing [J]. IEEE ACCESS，2019，7： 109776-109791 

[19]Qiang Cheng，Aidong Deng，Jing Li，Yimeng Zhai. Application of Gradient Boosting Decision Tree in Wind Turbine Drivetrain Recognition[C].Lect. Notes Comput. Sci. ICAIS 2019，2019 - July 28，New York city，United states，v 11632 LNCS：585-594

[20]Chen G，Hao HT，Deng AD. Linear and nonlinear modeling of self-excited acoustic oscillations in a T-shaped thermoacoustic engine[J]. AIP ADVANCES，2021，8(11)：

[21]Yang Weibo，Li Jing，Peng Wei，Deng Aidong. A Rub-Impact Recognition Method Based on Improved Convolutional Neural Network[J]. CMC-COMPUTERS MATERIALS & CONTINUA，2020，（63）：283-299

[22]Jing Li，Aidong Deng，Yong Yang，Xinmin Cheng，Dongying Liu，and Li Zhao. A new iterative near-field coherent subspace method for rub-impact fault localization using AE technique[J]．Journal of Mechanical Science and Technology，2017，31(5)：2035-2045.

[23]Li Jing，Deng Aidong，Liu Dongying，Zhang Rui，Zhao Li. Near-field multiple signal classification algorithm for acoustic emission source localization in rolling element rub-impact fault diagnostics[J]. ICIC Express Letters，2016，10（3）：663 - 668  

[24]Aidong Deng，Hao Cao，Hang Tong，Li Zhao，Kang Qin，Xi Yan．Recognition of Acoustic Emission Signal Based on the Algorithms of TDNN and GMM[J]．Applied Mathematics & Information Sciences，2014，8（2）：907-916

[25]Aidong Deng，Hang Tong，Jianeng Tang，Hao Cao，Kang Qin，Xi Yan．Study on Location Algorithms of Beamforming based on MVDR [J]．Applied Mathematics & Information Sciences，2013，7（6）：2455-2466．

[26]Deng Aidong， Zhang Xiaodan ，Tang Jianeng， Zhao Li，Qin Kang．Localization of Acoustic Emission Source Based on Chaotic Neural Networks [J]．Applied Mathematics & Information Sciences，2012，6（3）：713-719．

[27]Deng Aidong，Tang Jianeng，Zhao Li，Zou Cairong．The variable-interval arithmetic coding using asymptotic deterministic randomness for data compression and encryption[J]．Journal of Statistical Computation and Simulation，2012，83（10）：1545-1555．

[28]Aidong Deng，Li Zhao，Xin Wei．Application of quantum neural networks in localization of acoustic emission [J]．Journal of Systems Engineering and Electronics，2011，22(3)：507-512．

[29]Shi Yaowei， Deng Aidong， Xu Meng， Deng Minqiang. Adaptive mixup-based domain adaptation method for intelligent fault diagnosis [C]. 2023 13th International Conference on Power， Energy and Electrical Engineering，2023， 296-300.

[30]Xu Meng，Deng Aidong， Liu Dongchuan， Shi Yaowei. An enhanced deep forest rolling bearing fault diagnosis method [C]. 2023 13th International Conference on Power， Energy and Electrical Engineering，2023， 306-310.

[31]Deng Minqiang，Deng Aidong，Shi Yaowei. Self-supervised Adversarial Network for Intelligent Fault Diagnosis [A]. IEEE， 2021 IEEE International Conference on Electronic Communications， Internet of Things and Big Data [C]. China， Taiwan， 2021： 323-326. 

[32]Aidong Deng，Li Zhao，Yongqiang Bao．Acoustic Emission Recognition Using Fuzzy Entropy       [C]．Proceedings of 2009 IEEE International Conference on Intelligent Computing and Intelligent Systems ，ICIS 2009，Shanghai，China，2009，V4：75-79．

[33]Aidong Deng，Li Zhao，Xin Wei．The Application of Wavelet Neural Network Optimized by Particle Swarm in Localization of Acoustic Emission Source[C]．Proceedings of 16th International Conference on Neural Information Processing ，ICONIP 2009，Lect． Notes Comput．Sci．，Bangkok，Thailand，2009，5864：738-745．

[34]Aidong Deng，Li Zhao，Yan Zhao．Study on Algorithms of Acoustic Emission Source Localization in Complicated Environment[C]．Proceedings of 9^th International Conference on Electronic Measurement & Instruments，ICEMI’2009，Beijing，China，2009，V2：2_462-2_466．

[35]Aidong Deng，Li Zhao，Yan Zhao．Recognition of Acoustic Emission Signal Based on MAE and Propagation Theory[C]．Management and Service Science2009，MASS '09，Beijing，China，2009，V6：1-4．

[36]Aidong Deng，Li Zhao，Yan Zhao．A New Algorithm of AE Localization Using Sub-gradient Projection[C]．Proceedings of the Second International Conference on Computer Science and Software Engineering ，CSSE2009，Wuhan，China

[37]Aidong DENG，Wei GAO，Yongqiang BAO，Li Zhao．Research of acoustic emission signal enhancement based on Discrete Fractional cosine Transform[C]．Proceedings of the 7th World Congress on Intelligent Control and Automation，WCICA'08，Chongqing，China，2008：5852-5857．

[38]Aidong DENG，Wei GAO，Yongqiang BAO，Li Zhao．Study on Recognition Characteristics of Acoustic Emission Based on Fractal Dimension[C]．Proceedings - The 2008 International Conference on Embedded Software and Systems，ICESS2008 Symposia，Chengdu，China，2008：475-478．

[39]邓艾东，赵力，包永强．粒子群优化小波神经网络用于碰摩声发射源定位[J]．中国电机工程学报，2009，29(32)：83-87．

[40]邓艾东，包永强，赵力．转子碰摩声发射源定位中的广义互相关时延估计研究[J]．中国电机工程学报，2009，29(14)：86-92．

[41]邓艾东，高亹，杨建刚，赵力．离散分数余弦变换在碰摩声发射信号降噪中的应用研究[J]．中国电机工程学报，2008，28（20）：72-76

[42]邓艾东，包永强，赵力．基于高斯混合模型的转子碰摩声发射识别方法研究[J]．机械工程学报，2010，46(15)：52-58 ．

[43]邓艾东，包永强，赵力．基于能量衰减模型的转子碰摩声发射源次梯度投影定位方法[J]．机械工程学报，2010，46（9）：66-72．

[44]邓艾东，包永强，赵力．基于模糊熵的转子碰摩声发射信号的识别[J]．机械工程学报，2010，46(3)：71-75．

[45]邓艾东，包永强，高亹，赵力．旋转机械碰摩声发射信号的分形特征分析算法研究[J]．仪器仪表学报，2008，29(6)：1285-1289 ．

[46]邓艾东，童航，秦康，曹浩，颜喜．一种改进的最小方差自适应时延估计算法在碰摩声发射定位中的应用[J]．东南大学学报：自然科学版，2012，42(z2)：320-325．

[47]邓艾东，童航，张如洋，蒋章，高亹．基于模态分析的转子碰摩声发射特征研究[J]．东南大学学报：自然科学版，2010，40(6)：1232-1237．

[48]邓艾东，赵力，包永强，高亹．噪声环境下基于小波熵的声发射识别研究[J]．东南大学学报：自然科学版，2009，39(6)：1151-1155．

[49]卞文彬，邓艾东，刘东川，赵敏，刘洋，李晶. 基于改进深度残差收缩网络的风电机组滚动轴承故障诊断方法[J].机械工程学报，2023，59(12)：202-214.

[50]徐硕，邓艾东，杨宏强，范永胜，邓敏强，刘东川. 基于改进残差网络的旋转机械故障诊断[J].太阳能学报，2023，44(07)：409-418. 2023-07-28

[51]马天霆，孙振波，邓艾东等.基于频率诱导变分模态分解的齿轮箱故障诊断[J].东南大学学报(自然科学版)，2023，53(04)：702-708.

[52]王鹏程，邓艾东，凌峰，邓敏强，刘洋.基于PSO-SEBD的风电机组滚动轴承故障诊断[J].振动与冲击，2023，42(07):281-288.

[53]凌峰，杨宏强，邓艾东，王鹏程，董路南，卞文彬. 基于SHAVD-AS的风电齿轮箱故障诊断[J].太阳能学报，2023，44(06)：477-483.

[54]刘东川，邓艾东，赵敏，卞文彬，许猛. 基于改进深度森林的旋转机械故障诊断方法[J]. 振动与冲击，2022，41(21)：19-27

[55]刘洋，程强，史曜炜，王煜伟，王姗，邓艾东.基于注意力模块及1D-CNN的滚动轴承故障诊断[J].太阳能学报，2022，43(03)：462-468.

[56]孙文卿，邓艾东，邓敏强，刘洋，程强.基于模型融合的风电机组齿轮箱故障诊断[J].太阳能学报，2022，43(01)：64-72.

[57]丁雪，邓艾东，李晶，邓敏强，徐硕，史曜炜.基于多尺度和注意力机制的滚动轴承故障诊断[J].东南大学学报(自然科学版)，2022，52(01)：172-178.

[58]邓敏强，邓艾东，朱静，史曜炜，马天霆. 基于BFD和MSCNN的风电滚动轴承智能故障诊断[J].东南大学学报(自然科学版)，2021，51(03)：521-528.  

[59]邓敏强，邓艾东，朱静，许千寿，王姗，王圣. 基于模态叠加法的风电机组塔架实时状态研究[J].太阳能学报，2021，42(03)：63-70.

[60]朱静，邓艾东，邓敏强，程强，刘洋.基于MED和自适应VMD的行星齿轮箱故障诊断方法[J].东南大学学报(自然科学版)，2020，50(04)：698-704.

[61]董路南，邓艾东，范永胜，等. 基于VMD和改进DenseNet的滚动轴承故障诊断[J]. 动力工程学报，2023，43(11)：1500-1505.

[62]马天霆，孙振波，邓敏强，邓艾东. 基于RSBLMD算法的风机滚动轴承早期故障诊断[J].动力工程学报，2020，40(12)：982-987.

[63]朱静，邓艾东，邓敏强，翟怡萌，孙文卿，王姗. 基于RSIFICA的行星齿轮箱故障诊断方法[J].东南大学学报(自然科学版)，2020，50(02)：377-384 

[64]孙文卿，邓艾东，邓敏强，朱静，翟怡萌，程强，刘洋. 基于随机森林和自编码的滚动轴承多视角特征融合（英文）[J] .东南大学学报(英文版)，2019，35（3）：302-309 

[65]张瑞，邓艾东，司晓东，刘东瀛，李晶. 一种新的声发射信号消噪及故障诊断方法[J]. 振动与冲击，2018，37（4）：75-81

[66]刘东瀛，邓艾东，刘振元，李晶，张瑞，黄宏伟．基于EMD与相关系数原理的故障声发射信号降噪研究[J]. 振动与冲击，2017，36（19）：71-77

[67]秦康，邓艾东，张红星，颜喜．基于压缩感知技术的旋转机械碰摩声发射信号压缩[J]．中国电机工程学报，2013，33（增刊）：160-165．

[68]彭威，李晶，刘卫东，邓艾东. AE声谱图特征的转子碰摩故障识别方法研究[J]. 振动工程学报，2019，32(06)：1094-1103. 

[69]李晶，邓艾东，杨勇，赵力，郭如雪．近场子空间聚焦的碰摩故障声发射定位方法[J].声学学报，2017，42（6）：703-712

[70]蒋章，邓艾东．以赫斯特指数与近似熵为声发射特征参数的碰摩故障识别[J]．中国电机工程学报，2010，30(29)：96-102．

[71]蒋章，邓艾东，蔡宾宏．基于梯度法的自适应广义形态滤波在碰摩声发射信号降噪中的应用[J]．中国电机工程学报，2011，31(8)：87-92．

合著：

《Acoustic Emission》．ISBN：978-953-51-0056-0， Publisher：InTech，2012-3

《能源动力工程导论》. ISBN978 7 5198 6807 9，中国电力出版社，2022年9月第一版

授权发明专利：

1、邓艾东、包永强、傅行军、赵力、魏昕．基于离散分数余弦变换的碰摩声发射信号降噪方法．发明专利，ZL 2008 1 0023809.0

2、邓艾东、包永强、傅行军、赵力、魏昕．旋转机械碰摩声发射信号的分形特征分析方法．发明专利，ZL 2008 1 0023808.6

3、邓艾东、包永强、赵力．一种转子碰摩声发射源定位方法．发明专利，ZL 2009 1 0025081.X

4、邓艾东、赵力、包永强．基于参数有效性的转子碰摩声发射信号模糊综合判别方法．发明专利，ZL 2009 1 0027845.9

5、邓艾东、赵力、包永强．基于模态波和高斯混合模型的转子碰摩声发射识别方法．发明专利，ZL 2009 1 0027182.0

6、邓艾东、蒋章．转子碰摩声发射信号降噪方法．发明专利，ZL 2010 1 0536492.8

7、邓艾东，童航，秦康，曹浩．一种利用时延估计进行转子碰摩声发射源定位的方法．发明专利，ZL 2012 1 0397465.6

8、王志芳，郭瑞，傅行军，杨建刚，邓艾东，邢海波．一种可控压力体积修正式汽轮机油含气量的测量计算方法．发明专利，ZL 2015 1 0200530.5

9、邓艾东，刘东瀛，李晶，张瑞，朱静，龙磊，黄宏伟.基于相关系数和EMD滤波特性的碰摩声发射信号降噪方法．发明专利，ZL 201710062593.8

10、邓艾东，朱静，邓敏强，孙文卿，程强，刘洋．基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法. 发明专利，ZL 201910604394.4

11、邓艾东，王小彤，崔舒欣．叶轮前测风装置．发明专利，ZL 201910382864.7

12、邓艾东，朱静，邓敏强，史曜炜，程强，刘洋．一种基于共振稀疏分解改进算法的齿轮箱故障诊断方法．发明专利，ZL 202010418939.5

13、邓艾东，邓敏强，朱静，许千寿，王珊，孙文卿，王明春．一种基于模态叠加法的风电机组塔架应力状态计算方法．发明专利，ZL 201811330507.8

14、邓艾东，刘洋，程强，邓敏强，朱静，史曜炜，冯志刚，马天霆，王煜伟．一种基于空间池化网络的滚动轴承故障诊断方法．发明专利，ZL 202011436394.7

15、邓艾东，卞文彬，刘洋，刘东川，赵敏．基于改进深度残差收缩网络的滚动轴承故障诊断方法．发明专利，ZL 202111630326.9

16、邓艾东，王鹏程，刘洋，邓敏强，凌峰．一种滚动轴承故障振动信号分析方法．发明专利，ZL 202111627847.9

n2015年，江苏省科学技术一等奖，“大型发电机组故障检测与诊断技术研发及应用”，1 /11

n2001年，江苏省科技进步一等奖，“大型汽轮发电机组疑难振动故障的诊断治理技术”，10/12

n2019年工程建设科学技术进步奖一等奖，“低风速高切变风电资源关键技术研究及应用”，7/14

n2019年工程建设科学技术进步奖二等奖，“风电机组塔架安全状态评估关键技术研发及应用”，3/9

n2019年度电力建设科学技术进步三等奖，“风电机组塔架状态监测及安全评估系统”，3/6

n1995年度东南大学首次开课优秀教师

n东南大学第二批“课程思政”校级优秀示范课

n2019-2020学年东南大学“闵瑜校友奖励基金”

n2021-2022学年东南大学“能源与健康奖教金”

指导学生参赛获奖：

n第八届中国国际“互联网+”大学生创新创业大赛全国总决赛—国际赛道研究生创意组铜奖

n第十八届“挑战杯”全国大学生课外学术科技作品竞赛，“行星”级（全国二等奖）

n第十八届“挑战杯”全国大学生课外学术科技作品竞赛，江苏省星系级（江苏省特等奖）

n第十六届全国大学生节能减排社会实践与科技竞赛，港澳台及国际赛道银奖

博士研究生：

1.      李晶，《基于声发射的状态评价与定位技术研究》，2014-2018（联合培养）

2.      朱静，《基于信号分解和数据驱动的风电传动系统故障诊断与退化趋势研究》，2017-2021

3.      邓敏强，《基于数据驱动与机理建模的风电传动链运行状态评估》，2018-2022

4.      史曜炜，《风电传动系统故障跨域智能诊断研究》，2019-2023

5.      马天霆，在读，2019-

6.      许猛，在读，2020-

7.      刘洋，在读，2021-

8.      丁雪，在读，2022-

9.      卞文彬，在读，2023-

10.   王照阳，在读，2023-

硕士研究生：

1.      曹浩，《基于以太网分布式旋转机械状态监测系统研制》，2003-2006

2.      王金平，《嵌入式旋转机械状态监测系统的设计与研究》，2004-2007

3.      邬昌明，《基于Matlab的风力发电机组多体系统建模与仿真》, 2006-2009

4.      李晨炀，《基于Profibus旋转机械状态监测系统的研制》， 2006-2009

5.      蒋章，《转子碰摩声发射信号的检测与处理技术研究》， 2008-2011

6.      童航，《旋转机械碰摩声发射定位研究》， 2009-2012

7.      葛壮，《基于嵌入式系统的多参数数据采集与分析仪》， 2010-2012

8.      秦康，《旋转机械碰摩声发射信号定位及信号压缩的研究》， 2011-2014

9.      颜喜，《基于嵌入式系统的风力发电机组状态监测系统的设计》， 2012-2014

10.  张瑞，《旋转机械碰摩声发射故障诊断研究》， 2014- 2016

11.  刘东瀛，《风电传动系统滚动轴承故障诊断研究》， 2014- 2017

12.  龙磊，《风电机组振动监测系统研究》， 2015- 2018

13.  朱静，《风电机组传动系统故障检测及诊断研究》， 2015-2017

14.  翟怡萌，《风电传动系统退化状态评估和剩余寿命预测研究》， 2016-2019

15.  孙文卿，《基于多源信息融合风电机组滚动轴承故障诊断》， 2017- 2020

16.  程强，《基于多源深度模型预测的风电传动链健康管理》， 2018- 2021

17.  刘洋，《基于时间序列分析的传动系统退化状态评估研究》， 2018-2021

18.  丁雪，2019- （转硕博连读）

19.  张顺，《基于时间序列预测的风电滚动轴承健康状态评估》， 2019-2022

20.  徐硕，《数据驱动的风电传动系统状态评估及趋势预测》， 2019-2023

21.  凌峰，《风电传动系统齿轮故障诊断研究》，2019-2022

22.  卞文彬，2020- （转硕博连读）

23.  刘东川，《基于深度森林的电厂辅机设备滚动轴承状态评估研究》，2020-2023

24.  王寅杰，《基于声信号的风电机组滚动轴承故障诊断研究》，2020-2023

25.  赵敏，《基于深度学习的滚动轴承故障诊断和剩余寿命预测研究》，2020-2023

26.  王鹏程，《基于信号处理与卷积神经网络的风电滚动轴承故障诊断研究》，2020-2023

27.  高原，《基于声音信号的滚动轴承降噪及异常检测研究》，2020-2023

28.  董路南，《基于稠密连接网络的风电机组滚动轴承故障诊断研究》，2020-2023

29.  占可，《基于深度学习的滚动轴承状态评估研究》，2020-2023

30.  周忠志，在读，2021-

31.  王敏，在读，2021-

32.  张宇剑，在读，2021-

33.  薛原，在读，2021-

34.  章力，在读，2021-

35.  夏卫平，在读，2022-

36.  胡沁怡，在读，2022-

37.  饶朗，在读，2022-

38.  肖凯文，在读，2023-

39.  吴一凡，在读，2023-

40.  沈洋，在读，2023-

毕业生去向：华为\中兴等大厂，电力系统，高校，公务员