王
王俊 (Jun Wang)
H指数:37
被引数:4,476
个人简介
王俊,苏州大学轨道交通学院教授,博士生/硕士生导师。江苏省优青,江苏省“高层次创新创业人才引进计划”“双创博士”,江苏省科协青年科技人才托举工程资助培养对象,苏州大学“优秀青年学者”,年度科学影响力排行榜全球前2%学者(斯坦福大学与Elsevier联合发布)。获教育部科技二等奖1项(排名第6)、中国发明协会“发明创业奖”创新奖二等奖1项(排名第2)、中国仪器仪表学会科技进步奖二等奖1项(排名第6)、江苏省仪器仪表学会科技一等奖1项(排名第3)、苏州市自然科学优秀学术论文二等奖3项、三等奖2项。主持国家级项目2项、省部级项目5项。已累计发表学术论文90余篇,入选ESI高被引论文4篇、热点论文1篇,获授权中国发明专利30余件,美国国家发明专利4件,中国实用新型专利8件,软件著作权9件。是IEEE Sensors Journal(中科院2区)副主编,Chinese Journal of Mechanical Engineering(中科院2区)青年编委,中国振动工程学会故障诊断专业委员会、转子动力学专业委员会和动态信号分析专业委员会理事。主要研究方向为载运工具关键部件安全监控与故障诊断。教育经历:博士,2010.09-2015.06,精密仪器及机械,中国科学技术大学,工学博士学位;本科,2006.09-2010.06,测控技术与仪器,武汉理工大学,工学学士学位;本科,2006.09-2010.06,工商管理,武汉理工大学,管理学学士学位。工作经历:2023.07-今,苏州大学轨道交通学院,教授;2017.07-2023.06,苏州大学轨道交通学院,副教授;2015.07-2017.06,美国内布拉斯加大学林肯分校,高级研究助理。社会职务:IEEE Sensors Journal(中科院2区)副主编,Chinese Journal of Mechanical Engineering(中科院2区)青年编委,中国振动工程学会高级会员,中国振动工程学会故障诊断专业委员会理事,中国振动工程学会转子动力学专业委员会理事,中国振动工程学会动态信号分析专业委员会理事,中国人工智能学会会员,中国仪器仪表学会会员,江苏省仪器仪表学会会员,江苏省仪器仪表学会故障诊断仪器专业委员会委员。
教育背景
2010.09 – 2015.06
中国科学技术大学 工学博士学位 精密仪器及机械
2006.09 – 2010.06
武汉理工大学 工学学士学位 测控技术与仪器
工作经历
2023.07 – 至今
苏州大学轨道交通学院
教授
2017.07 – 2023.06
苏州大学轨道交通学院
副教授
2015.07 – 2017.06
美国内布拉斯加大学林肯分校
高级研究助理
荣誉奖项
- 江苏省“双创博士”(2018.09)
- 苏州大学“优秀青年学者”(2017.07)
- 中科院院长优秀奖(2014.10)
- 博士研究生国家奖学金(2012.12)
- 江苏省科协青年科技人才托举工程(2019.09)
- 江苏省仪器仪表学会科学技术奖一等奖(2022.10)
- 教育部高等学校科学研究优秀成果奖(科学技术)自然科学奖二等奖(2023.06)
- 中国发明协会“发明创业奖”创新奖二等奖(2024.06)
- 中国仪器仪表学会科技进步奖二等奖(2024.07)
基于约束自适应ffrls-ekf的锂离子电池电压一致SOC轨迹估计及并发故障解耦
自适应掩码流对抗网络用于单源领域泛化列车轴承故障诊断
ISA Transactions
IF6.5
对比对抗性Glow模型用于机械异常检测和退化评估
基于小样本跨域故障诊断的波let卷积嵌入和BDC基于度量元学习
Sensors
IF3.5
STFP-SNN:基于脉冲时间-频率拼接的脉冲神经网络用于增强故障诊断
面向单源领域泛化故障诊断的目标增强域混合网络
可解释时频谱增强与增强在轴承不平衡故障诊断中的应用
电动汽车电池包的多目标优化:通过Pearson-RSM-NSGA-II实现轻量化和安全性
Ocean Engineering
IF5.5
一种用于少样本场景下可解释故障诊断的新型知识感知二次神经元残差网络
EnergyMatch:一种用于跨域故障诊断的长尾半监督学习框架
面向旋转机械领域泛化故障诊断的有限标记样本特征语义对齐网络
Neurocomputing
IF6.5
轻型插电式混合动力电动汽车VOC蒸发排放的实验室表征:与传统车辆的环境影响比较
基于子图增强对比自监督网络的复杂设备多尺度图级异常检测
基于小波卷积的基于分数的扩散模型地震道插值
PC3Net: 一种用于单领域泛化故障诊断的先验-因果对比-协作网络
基于Golay码的空气耦合超声技术在木材缺陷检测中的应用
SENSORS
IF3.5
基于磁阻传感器阵列的动磁式直线电机位置检测系统
SENSORS
IF3.5
神经网络模型在预测前碰撞中电池包安全性方面的比较分析

