王剑宇
副研究员 / 硕士生导师（破格） 入选2025年全球前2%顶尖科学家榜单
招生专业：控制科学与工程（电子信息\智能科学与技术等）
所属团队：装备智能健康评估
研究方向：装备预测与健康管理，深度学习与迁移学习，异常检测与故障诊断，系统控制优化，光纤传感监测。
Email：wangjianyu@scu.edu.cn
地址：四川省成都市一环路南一段24号 四川大学基础教学楼B座
简介：自2017年以来，一直从事重大装备及关键部件的信息感知、信号处理、智能故障诊断、系统控制优化以及综合健康评估等方面的研究工作，熟知装备控制优化与智能运维前沿动向，先后参与了多项与装备智能感知、系统优化、PHM领域相关的国家重点研发计划、国家自然科学基金、装备预先研究项目、国际创新合作项目、航空科学基金等在内的数10项国家级/省部级项目。近5年来在高水平期刊上以第一/第二作者发表SCI/EI学术论文30余篇，其中包括1篇高被引论文、1篇封面文章，与国家能源集团、风电企业、电网单位、各类研究所有良好的合作平台。
工作和学习经历：
2025/6-至今，四川大学，电气工程学院，副研究员
2023/07-2025/5，四川大学，电气工程学院，助理研究员
2020/09-2023/06，四川大学，空天科学与工程学院，机械工程，博士，导师：苗强教授
2021/11-2022/11，法国巴黎萨克雷大学，CentraleSupélec，系统工程，联培博士，导师：Zhiguo Zeng教授
2017/09-2020/06，四川大学，空天科学与工程学院，航空宇航科学与技术，硕士，导师：苗强教授
2013/09-2017/06，重庆工商大学，机械工程学院，机械设计制造及其自动化，学士
主要科研项目：
[1]“浮式风机变桨系统风浪耦合损伤分析与跨域状态辨识研究”，国家自然青年科学基金，负责人，2025.01-2027.12
[2]“面向XXXXXX测试验证技术体系与架构研究”，国家重点实验室项目基金，负责人，2025.10-2026.10
[3]“飞控电传作动器不完备信息感知与状态辨识研究”，国家资助博士后研究人员计划（C档），负责人，2023.12-2025.12
[4]“无人机安全关键系统动态损伤行为建模与故障自主重构研究”，四川大学交叉科学基金，负责人，2025.07-2027.07
[5]“微重力环境下低速空间旋转机构动态服役行为表征与评估”，国家自然科学基金，参研，2021.01-2024.12
[6]“有限样本空间下高冗余复杂系统服役性能评估研究”，四川省国际科技创新合作项目，参研，2020.01-2021.12
[7]“考虑多故障耦合的行星轮系振动响应特性及故障行为表征研究”，国家自然科学基金，参研，01/2017-12/2020
[8]“无人系统状态评估与预测技术”，部委基础科研重点项目，参研，01/2018-12/2020.
此外作为项目负责人承担了 四川省自然科学基金，博士后面上项目、工业控制技术国家重点实验室等项目研究工作……
代表性学术成果：
[1] "Fault diagnosis of electrohydraulic actuator based on multiple source signals: An experimental investigation." Neurocomputing 417 (2020): 224-238.
[2] "An improved triplet network for electromechanical actuator fault diagnosis based on similarity strategy." IEEE Transactions on Instrumentation and Measurement 71 (2022): 1-10.
[3] "An hybrid domain adaptation diagnostic network guided by curriculum pseudo labels for electro-mechanical actuator." Reliability Engineering & System Safety 228 (2022): 108770.
[4] "Deep learning domain adaptation for electro-mechanical actuator fault diagnosis under variable driving waveforms." IEEE Sensors Journal (2022).
[5] "Ensemble diagnosis method based on transfer learning and incremental learning towards mechanical big data." Measurement 155 (2020): 107517.
[6] "A deep learning method for bearing fault diagnosis based on time-frequency image." IEEE Access 7 (2019): 42373-42383.
[7]“Source free unsupervised domain adaptation for electro-mechanical actuator fault diagnosis.”Chinese Journal of Aeronautics 2023, 36(4): 252-267.
[8] "Weighted cyclic harmonic-to-noise ratio for rolling element bearing fault diagnosis." IEEE Transactions on Instrumentation and Measurement 69.2 (2019): 432-442.
[9] "Experimental investigation on electro-hydraulic actuator fault diagnosis with multi-channel residuals." Measurement 180 (2021): 109544.
[10] "An enhanced multifeature fusion method for rotating component fault diagnosis in different working conditions." IEEE Transactions on Reliability 70.4 (2021): 1611-1620.
[11] "Improved generative adversarial network for rotating component fault diagnosis in scenarios with extremely limited data." IEEE Transactions on Instrumentation and Measurement 71 (2021): 1-13.
[12] "Transient current ratio dendrite net for high-resistance connection diagnosis in BLDCM." IEEE Transactions on Power Electronics. 2024, 1-11.
[13] “Subdomain adaptation order network for fault diagnosis of brushless DC motors." IEEE Transactions on Instrumentation and Measurement. 2024, 73:1-15.
[14] "Operating condition generalization network for fault diagnosis of brushless DC motors." IEEE Transactions on Industrial Electronics. 2024:1-9.
……
