头像
李炳强
讲师
机械工程学院
个人邮箱:
libingqiang@just.edu.cn
办公地点:
机械楼511
通讯地址:
镇江市丹徒区长晖路666号
邮政编码:
传真:
13840594031

您是第10 位访问者

  • 长期以船用柴油机、船舶辅机等船用机械为研究对象,以产品全生命周管理技术研究为重点,开展复杂系统建模技术、系统可靠性分析、产品寿命评估、全三维建模与多尺度设计优化技术、现代制造工艺及其加工机理研究、实验与性能测试的共性技术、数字化工厂及其应用技术等。近期研究方向为机器学习下的设备健康管理,同时擅长软件界面的编写及优化。开展机械结构的故障退化研究与机器学习算法的研究,并从事复杂健康管理系统所需支撑算法的创新与软件界面的编写,给出机器学习在船舶动力传动装备上的应用方案与相关算法的创新思路。与企业开展多项合作项目。


  • 从事基于机器学习的机械装备故障诊断,性能退化及可靠性研究,船舶动力装备故障诊断及性能预测。开展包括机电设备多模式耦合故障预测方法、多故障模式耦合条件下可靠性研究、性能退化评估及维修决策支持研究。结合信息物理融合、深度学习、迁移学习、智能推理等技术,提出机械装备及船舶动力装备的故障诊断及性能退化预测方法。重视对不同位置传感器信息等多域信息的利用,建立有效的多传感器信息整合和诊断策略,提高诊断的准确性和可靠性。通过创建机电装备的多模式耦合故障诊断方法,应用知识深度推理以及多源信息融合技术揭示多故障模式耦合下机电装备的性能退化机理,建立性能退化评估体系,提高设备故障诊断准确率,依托信号处理、强化学习和深度学习等技术开展机电装备及船舶动力装备故障预测与维修决策优化方法的研究与应用,提供基于状态监测信息的维修优化决策,进而机电装备的安全性、可用性以及经济效益。

    主持江苏省产学研合作项目1项、船舶设计/软件开发等横向课题多项,参与多项国家重点研发计划、国家自然科学基金项目。以第一作者和通讯作者发表SCI/EI论文10余篇。

    指导的硕士研究生多次参加各种学科竞赛并获奖。具备好的学术氛围,论文成果丰富,手把手亲自指导,欢迎报考!


  • (1) 2014-09 至 2019-07, 东北大学, 机械设计及理论, 博士
    (2) 2010-09 至 2013-01, 中国科学院大学, 机械制造及其自动化, 硕士
    (3) 2005-09 至 2009-07, 吉林大学, 机械制造及其自动化, 学士


  • 融合现代信息技术的工程图学教学模式

    面向工程图学教学中存在的不足,结合多种现代信息技术,提出了工程图学教学的新模式。

    1 工程项目信息驱动的创新能力培养

    以激发学生创造性为中心,将工程项目意识贯穿教学全过程,从项目最初的2D草绘设计,到最终完整的3D建模及装配,表达相互融合渗透,引导和培养学生的创新意识和创新思维,开发和训练学生的创新设计能力,实现创新能力的提升。对学生的作品开展综合性评价,使学生了解改进设计的方向和措施,完成教学目标的同时,大幅度提高学生的创新能力。

    2D工程图与3D建模的交互性贯穿于所有阶段,充分挖掘学生的潜能,提高积极性。在学习理论知识的同时,培养学生的创新设计理念,给学生展示创新设计作品的舞台。例如将相贯线的绘制教学与瞩目的西气东输项目相结合,锻炼学生解决实际工程问题的创新能力。可以设计讨论小组实现工程项目及教学难点的攻克,也可增添学科竞赛的方式激发和培养学生的学习热情和创新能力。

    2 融合云计算的工程图学教学模式

    根据云环境下工程图学课程建设特点,建立工程图学私有云计算管理服务平台,建设丰富的网络教学资源,贯穿工程图学课程的方方面面。

    教师在工程图学云计算平台发布教学任务,依据学生对知识点的掌握情况,动态设计每次课的教学内容。课前,教师发布教学任务后,要求学生观看教学视频,预习教学内容。通过工程图学云计算平台,学生能够做到学习有的放矢,自主学习,并参与在线提问和测试等环节,开展网络讨论和互动等。教师可在工程图学云计算平台检查学生的学习情况,跟踪分析学习进度,对学生进行提问和抽查,并计入平时成绩中。

    教师通过工程图学云计算平台讲评绘图步骤和过程,将相关理论的学习与工程图学绘图实践紧密结合,保障学生最大程度地参与教学与实践。下课前检查学生理论与绘图实践的质量,指出学生学习的薄弱环节,亦可作为平时成绩。课后结合网上自主学习内容以及课堂实践绘图及建模,总结问题,为下一次课程教学内容做好准备。根据学生对知识点的掌握情况,调整授课计划,布置对应知识点的作业,拓展学生知识面,提升学生的创新能力和学习能力。

    3 融合增强现实的工程图学教学模式

    增强现实(AR)技术,是由虚拟现实发展而来的新兴技术。将虚拟模型以及交互信息叠加,并与真实模型相融合,在工程图学教学过程中,会使学生获得超越现实的图形体验,激发学生的主观能动性,培养创新意识和解决复杂工程问题的能力。

    学生可参与构建并丰富模型库,每个模型都具备相互关联的检索信息和装配引导信息,应用数据挖掘技术可灵活开展特征信息的描述和提取。装配训练中运用机器学习和图像识别技术实现位姿求解和装配状态检测。应用机器视觉技术,通过佩戴头戴显示器,学生可自由穿梭于2D3D信息场景及现实场景,让学生更多地参与进工程项目中,使得被动学习成为主动实战,促进信息的交互融合,激发学生的空间想象能力和创新能力,提高学生应用理论知识解决复杂工程问题的能力。