海洋学院

李垣江

教授

海洋学院

个人邮箱：

273086243（请直接加科研助理 QQ）

办公地点：

江苏科技大学海洋学院

通讯地址：

镇江市丹徒区长光晖路666号

邮政编码：

212000

传真：

您是第10 位访问者

个人简介

硕士生导师（信息与通信工程、电子信息）

中澳（镇江）人工智能研究院副院长，江苏省冷链学会副秘书长，江苏省电子学会理事

入选镇江市“金山英才”计划。

研究方向：人工智能交叉（故障诊断问题、新能源领域预测问题、医学领域识别问题等）

科研类（主持）：

1、国家自然科学基金面上项目1项；

2、江苏省重点研发项目2项；

3、江苏省产学研合作项目2项；

4、镇江市级课题3项；

5、企业横向课题10余项。

论文、专利类：

1、发表中科院1区TOP期刊发表论文12篇。

2、获得授权发明专利20件，其中以第一发明人获授权国内发明专利7件。

科技获奖类：

1、2022年度江苏省冷链学会科学技术进步奖特等奖1项；

2、2020年度江苏省冷链学会科学技术进步奖一等奖1项。

学生竞赛类：

1、中国国际大学生创新大赛（2024）全国银奖，第一指导老师

2、全国大学生“挑战杯”大赛（2017）全国金奖，指导教师

寄语：团队汇聚了一支以普通教授、普通副教授、牛掰讲师为核心的人才引领，“双非”院校毕业本科生作为支撑，结构不断优化的多学科背景、小型化、“不牛也不卷”科研队伍。欢迎大家报考。

研究方向

人工智能交叉应用（故障诊断问题、新能源领域预测问题、医学领域识别问题等）：

1、船舶、轨道交通领域的故障诊断问题；

2、燃料电池、锂电池、充电桩等电力系统的预测、决策问题；

3、口腔、癌症领域的模式分析问题；

4、顶尖的学生可以自选方向，我们一起学习。

教育经历

1. 2009/03–2013/04，南京理工大学，信息与通信工程，博士

2. 2003/09–2006/04，江苏科技大学，信号与信息处理，硕士

3. 1999/09–2003/07，华东船舶工业学院，电子信息工程，学士

课程教学

1、通信电子电路

- 科研项目
  
  [1]国家自然科学基金面上项目：水下推进永磁同步电机匝间短路识别的时频图像强化表征研究，主持。
  [2]国家自然科学基金面上项目：基于高斯过程模型的微波器件建模和优化，结题，技术负责人；
  [3]江苏省重点研发计划面上项目：船舶岸电规划及健康管理系统关键技术研究，结题，技术负责人；
  [4]江苏省高校自然科学基金项目：被动毫米波图像Tetrolet域融合方法研究，结题，主持；
  [5]毫米波国家重点实验室项目：基于Tetrolet的红外与毫米波图像融合方法研究，结题，主持；
  [6]基于大数据的优衣库销售决策系统，结题，技术负责人。
  [7]基于大数据的冷链兼管系统，结题，技术负责人。
- 科研团队
- 获奖动态
- 教学随笔
- 论文著作
  
  代表性论文（部分）：
  [1] Y. Li, Y. Yang, K. Zhu and J. Zhang, Clothing Sale Forecasting by a Composite GRU–Prophet Model With an Attention Mechanism, in IEEE Transactions on Industrial Informatics, vol. 17, no. 12, pp. 8335-8344, Dec. 2021, doi: 10.1109/TII.2021.3057922.
  [2] J. Zhang, Y. Wang, K. Zhu, Y. Zhang and Y. Li, Diagnosis of Interturn Short-Circuit Faults in Permanent Magnet Synchronous Motors Based on Few-Shot Learning Under a Federated Learning Framework, in IEEE Transactions on Industrial Informatics, vol. 17, no. 12, pp. 8495-8504, Dec. 2021, doi: 10.1109/TII.2021.3067915.
  [3] Y. Li, Y. Wang, Y. Zhang, and J. Zhang, “The diagnosis of interturn short circuit of permanent magnet synchronous motor based on deep learning and small fault samples,” Neurocomputing, vol. 442, pp. 348–358, Jun. 2021.
  [4] Y. Li, Y. Chen, K. Zhu, C. Bai and J. Zhang, An Effective Federated Learning Verification Strategy and Its Applications for Fault Diagnosis in Industrial IoT Systems, in IEEE Internet of Things Journal, vol. 9, no. 18, pp. 16835-16849, 15 Sept.15, 2022, doi: 10.1109/JIOT.2022.3153343.
  [5] L. Li, Y. Li, R. Mao, L. Li, W. Hua and J. Zhang, Remaining Useful Life Prediction for Lithium-Ion Batteries With a Hybrid Model Based on TCN-GRU-DNN and Dual Attention Mechanism, in IEEE Transactions on Transportation Electrification, vol. 9, no. 3, pp. 4726-4740, Sept. 2023, doi: 10.1109/TTE.2023.3247614.
  [6] Y. Li, L. Li, R. Mao, Y. Zhang, S. Xu and J. Zhang, Hybrid Data-Driven Approach for Predicting the Remaining Useful Life of Lithium-Ion Batteries, in IEEE Transactions on Transportation Electrification, doi: 10.1109/TTE.2023.3305555.
  [7] Y. Li et al., A Fault Diagnosis Method Based on an Improved Deep Q-Network for the Inter-Turn Short Circuits of a Permanent Magnet Synchronous Motor, in IEEE Transactions on Transportation Electrification, doi: 10.1109/TTE.2023.3306437.
  [8]Y. Li, Y Zhu, Y Yu, DACA: A domain adaptive fault diagnosis approach with class-aware based on cross-domain extreme imbalance data. Expert Syst. Appl. 256: 124944 (2024).
  [9]Li L , Li Y , Mao R ,et al.TPANet: A novel triple parallel attention network approach for remaining useful life prediction of lithium-ion batteries. Energy,2024.
- 专利成果