个人简介

刘泽鹏，特聘研究员，国家级青年人才，上海市领军人才（海外），同济大学青年百人计划A类人才，自主智能无人系统全国重点实验室成员。曾获谢菲尔德大学recognition award、国家优秀自费留学生奖学金。

主要从事复杂装备状态监测、故障诊断、非线性动态建模、数字孪生与工业智能感知研究。面向复杂装备真实工况下的运行监测与智能运维需求，围绕状态感知、异常识别、健康评估等关键问题开展系统研究。

一、所在单位与科研平台

·同济大学电子与信息工程学院：面向国家重大战略需求，依托信息、控制、智能感知、电子与高端装备等学科优势，持续开展高水平科研和人才培养工作。

·自主智能无人系统全国重点实验室：聚焦自主感知、智能决策、协同控制与复杂环境应用等关键问题，为智能制造、复杂系统感知、自主系统技术和高端装备智能化提供重要科研平台支撑。

二、个人基本情况

·2026年3月至今，任同济大学电子与信息工程学院副教授/特聘研究员。

·2023年9月至2026年2月，任英国纽卡斯尔大学讲师/助理教授，同时兼任英国谢菲尔德大学自动化学院技术顾问。

·2020年12月至2023年8月，分别在英国谢菲尔德大学、曼彻斯特大学开展博士后研究工作。

·2017年1月至2021年2月，就读于英国曼彻斯特大学，获博士学位。

三、主要研究方向

·复杂系统状态监测与故障诊断：面向重大装备、先进制造及新能源系统，研究复杂工况下的异常检测、故障识别、健康评估与剩余寿命预测。

·非线性动态系统建模与频域分析：聚焦非线性系统建模、动态分析与频域特征提取，提升弱故障识别能力、抗噪性能和物理可解释性。

·数字孪生与工业智能监测：结合机理信息、实时感知数据与智能算法，构建面向加工过程和复杂系统的实时监测、异常预警与运行评估方法。

·机器学习与智能感知方法：研究机器学习、稀疏表示、工业大模型等方法在工业监测、特征提取与智能诊断中的应用，并关注软硬体结合的工程实现。

四、项目经历与研究基础

·Advancing Net-Zero Manufacturing: Real-Time Fault Diagnosis and Prognosis in Nonlinear Mechatronic Systems：作为项目负责人，围绕非线性系统实时故障诊断与预测开展研究，在复杂系统在线监测与智能诊断方面积累了研究经验。

·Zero-Magnets Electric Drive for Electric Vehicles (Z-M Drive)：参与英国 EPSRC 项目，围绕AI技术在电驱系统设计验证与成本优化中的应用开展研究，具备面向复杂电驱系统的建模与分析基础。

·Autonomous method for detecting cutting tool and machine tool anomalies in machining：参与英国 EPSRC 项目，面向加工过程中的刀具状态监测与异常识别开展研究，具有较强的工程应用背景和产学研合作经验。

·AI-Enabled Condition Monitoring, Fault Diagnosis, and Resilient Control of Wind Energy Systems：参与国际合作项目，围绕风电系统状态监测、故障诊断与韧性控制开展研究，积累了复杂工况下新能源装备智能监测的研究经验。

·Development and demonstration of methods and tools for large-scale wind turbine pitch-bearing condition assessment (DemoBearing)：参与英国 EPSRC 项目，围绕大型风机关键部件状态评估、实验平台建设、传感系统开发与在线诊断工具设计开展研究，在复杂噪声和弱故障条件下积累了研究经验。

五、代表性研究成果

·围绕复杂装备监测与智能诊断，在非线性建模、频域分析、数字孪生与在线监测等方面形成了一系列研究成果，累计发表 SCI 论文 25 篇，相关论文发表于 IEEE Transactions on Industrial Informatics、IEEE Transactions on Industrial Electronics、 IEEE Transactions on Systems, Man, and Cybernetics: Systems、IEEE Transactions on Instrumentation and Measurement、Journal of Manufacturing Systems、Renewable Energy 等期刊。获23rd IEEE International Conference on Industrial Informatics (INDIN)Best Paper Award。

·代表性工作包括面向加工过程刀具异常检测的传感数据建模与模型频域分析方法、面向工业加工过程的数字孪生状态监测方法、面向轴承转子系统的非线性建模与在线监测方法，以及面向风机关键部件的弱故障检测与复杂工况诊断方法。

·开发了面向数控机床的实时监测软件，实现了在数控机床、风力发电机等复杂系统中的实时监测与故障诊断。

·相关研究紧密契合国家重大需求，与工业4.0、“双碳”战略、新能源与智能制造等发展方向高度一致，可为制造业转型升级、工业自动化水平提升和企业核心竞争力增强提供技术支撑。

六、学术服务

Publicity chair

·23rd IEEE International Conference on Industrial Informatics (INDIN)

…

Guest editor

·Sensors

·Machines

·Measurement Science and Technology

…

Reviewer for top international journals:

·IEEE Transactions on Industrial Electronics

·IEEE Transactions on Instrumentation & Measurement

·Mechanical Systems and Signal Processing

…

Reviewer for Conferences:

·Applied Power Electronics Conference and Exposition (APEC)

·IEEE International Symposium on Industrial Electronics (ISIE)

·Conference on Mechanical, Electric and Industrial Engineering (MEIE)

...

七、招生招聘

本课题组长期招收优秀本科生、硕士生和博士生，并欢迎有志于学术研究与工程创新的同学提前联系。团队围绕复杂装备状态监测、故障诊断、预测性维护、工业智能感知与数字孪生等前沿方向，面向国家重大需求与国际学术前沿，致力于突破复杂系统智能运维中的关键科学问题与核心技术瓶颈。

课题组注重学生科研潜力与创新能力培养，支持学生参与高水平科研项目、发表高质量学术成果、开展国内外学术交流，并在真实工程场景中提升研究与实践能力。欢迎具有控制、机械、电子、信息、人工智能、数学等相关背景，基础扎实、勤奋踏实、富有探索精神的同学加入团队共同成长。有意者请将相关材料发送至：zepengliu@tongji.edu.cn。