邓艾东，四川仪陇人，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\基金委\中科院\中国科协\北京\上海\江苏等若干部委省市科技专家，中国工程院学部专家，国家人工智能标准化总体组全权成员单位代表，国家能源灵活智能发电技术研发中心学术委员会委员，中国华电新型电力工控系统创新联合体专家咨询委员会委员，中国机械工程学会高级会员，江苏省风电产业专家委员会副主任，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，主持国家及省部级课题11项、国内外发电系统测控项目300余项，获省部级科技一等奖5项，二等/三等奖各1项，授权发明专利30多项，发表论文170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”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。
近年来提出多源信息融合与知识-数据联合驱动的发电装备超前预警、智能诊断、趋势预测、劣化分析、健康评估、寿命预测等一系列智能运维新方法，主持研发的智能运维技术及系统已在200多台火电机组、大型储能电站、以及华电集团覆盖全国的风电场和光伏电站上投入运行，140米风电混塔/钢塔状态监测与评估系统填补了国内空白。其中在国内首创燃煤机组无人值守系统的国家能源定州电厂“面向无人值守的智能发电关键技术研发及应用”、国内首台具备15%深调的百万机组项目国能谏壁电厂“1000MW超超临界机组宽负荷快速灵活调峰关键技术”、国内首台契合新一代煤电技术指标的“国能常州二期超(超)临界机组宽负荷快速灵活调峰关键技术”、国能宿迁电厂“基于大数据和机器学习的智能监盘系统”、新能源总装机容量达8053万千瓦的华电集团“新能源智慧生产管理平台”等发电集团重大科技示范攻关项目中，主持研发的智能预警与诊断、劣化分析与健康评估、数模协同的智能监盘等创新成果获得成功应用并大范围推广，得到行业广泛关注，为推动我国发电装备预测性维护技术的发展及能源系统数字化智能化转型做出了贡献。
国家自然科学基金-面上：灵活运行工况下汽轮机设备退化状态评估及预测方法研究，主持，2026.1-2029.12
2025年度江苏省科技重大专项：25MW 级偏航变桨轴承试验平台研发，课题负责人，2025.7-2029.6
2024年度江苏省双碳专项: 百万千瓦级海上风电集群安全高效协同控制与优化关键技术及应用，课题负责人，2024.7-2027.6
2023年度江苏省双碳专项: 江苏省火电行业深度节能降碳技术的重大科技示范，子课题负责人，2023.9-2026.8
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
2021年江苏省双碳专项: 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
2020年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
主持完成国内外发电测控项目300余项
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
[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 9th 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，
[42]邓艾东，
[43]邓艾东，
[44]邓艾东，
[45]邓艾东，
[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，
[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
1、邓艾东、
2、邓艾东、
3、邓艾东、
4、邓艾东、
5、邓艾东、
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
n2025年，中国电力科学技术进步奖一等奖，“面向无人值守的智能发电关键技术研发及应用”，10/15
n2024年，中国电力科学技术进步奖一等奖，“重型燃气轮机控制与运维关键技术研究及应用”，3/15
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
n2019-2020学年东南大学“闵瑜校友奖励基金”
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
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，2019-2026
6. 许猛，2020-2026
7. 刘洋，2021-2025
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，2021-2024
31. 王敏，2021-2024
32. 张宇剑，2021-2024
33. 薛原，2021-2024
34. 章力，2021-2024
35. 夏卫平，2022-2025
36. 胡沁怡，2022-2025
37. 饶朗，2022-2025
38. 肖凯文，2023-2026
39. 吴一凡，2023-2026
40. 沈洋，2023-2026
毕业生去向：能源电力集团，华为\中兴等大厂，高校，公务员
