李国正，工学博士，讲师，硕士生导师。2020年毕业于北京化工大学诊断与自愈工程研究中心动力工程及工程热物理专业，获工学博士学位。主要研究方向为机械装备健康监测及故障智能诊断、复杂工况下耦合信号的溯源与辨识技术等。
邮箱：lgz@buct.edu.cn
开设课程
本科课程：《人工智能及应用》，32课时，面向专业：机电、装备、控制
主要专业方向
(一) 机械信号智能传感理论与方法
(二) 设备运行状态的智能监测诊断
主要科研项目
项目名称 | 类型 | 项目来源 |
多故障耦合的变转速主轴承振动信号动态盲分离及性能退化趋势预测 | 智能装备类 | 国家自然科学基金 |
基于自适应稀疏表征的声振多源信号分离方法研究 | 信号处理类 | 国家自然科学基金 |
航空发动机主轴轴承故障特征提取、智能诊断及预示方法研究 | 智能装备类 | 国家自然科学基金 |
主要论文
G. Li, G. Tang, G. Luo, et al. Underdetermined blind separation of bearing faults in hyperplane space with variational mode decomposition, Mechanical System and Signal Processing, 2019 (120) 83-97. (JCR Q1, SCI)
G. Li, G. Tang, H. Wang, et al. Blind source separation of composite bearing vibration signals with low-rank and sparse decomposition, Measurement, 2019 (145) 323-334. (JCR Q2, SCI)
G. Li, G. Tang, H. Wang, et al. Convolutive blind separation of bearing faults using peak-based wavelet transform, IEEE International Instrumentation and Measurement Technology Conference, Houston, USA, 2018. DOI: 10.1109/I2MTC.2018.8409565. (EI)
G. Tang, Y. Zhou, H. Wang, G. Li. Prediction of bearing performance degradation with bottleneck feature based on LSTM network, IEEE International Instrumentation and Measurement Technology Conference, Houston, USA, 2018. DOI: 10.1109/I2MTC.2018.8409564. (EI)
G. Tang, G. Li, H. Wang, et al. Sparse Component Analysis Based on Support Vector Machine for Fault Diagnosis of Roller Bearings, International Conference on Sensing, Diagnostics, Prognostics, and Control (SDPC), Shanghai, 2017. DOI:10.1109/SDPC.2017.85 (EI)
G. Tang, G. Li, G. Luo, et al. Improved Constrained ICA with Wavelet an EEMD Decomposition for Fault Diagnosis of Roller Bearings, Condition Monitoring and Diagnostic Engineering Management (COMADEM), Xi’an, 2016.