王渊彬科研成果

综合介绍 General Introduction        2014年获得新西兰奥克兰大学博士生全额奖学金资助并于2018年博士学位，围绕增材制造云平台开展相关研究。随后，作为博士后在浙江大学流体动力与机电系统国家重点实验室继续从事工业互联网、智能制造、视觉检测等方面研究的理论研究与产业化工作。于2021年加入西北工业大学机电学院。相关研究成果已经在航空、汽车、高铁、大型制冷设备等重大装备制造领域取得应用。 个人相册 内容来自集群智慧云企服 软件著作权666元代写全部资料全国受理

教育教学

教育教学 Education and teaching 教育信息 本科生课程：       机械制图基础大学生创新创业项目：2023年：产线慧眼——复杂构件智能视觉检测平台（国家级）2023年：基于激光光谱共聚焦的全表面粗糙度测量（省级）

荣誉获奖

团队信息 Team Information 研究方向依托航空发动机高性能制造工信部重点实验室和航空发动机先进制造技术教育部工程研究中心，研究团队是XX创新团队，主要以国家航空发动机重大型号研制任务为导向，以实现航空发动机关键构件长寿命高可靠制造为目标。团队的独特优势有：【1】学科优势——航空宇航科学与技术在教育部第四轮学科评估中获评最高档A+学科。西北工业大学航空宇航制造工程是国内首个二级学科（1983年建立），1998年成为我国首批国家级重点学科，在历次国家重点学科评估中位列同类学科第一名。【2】协作创新——团队与航空发动机领域骨干厂所在长期合作基础上建立了“产学研用”专业化协作自主创新体系。先后与606、624、608、410、430、420、460、331、113等科研院所建立了联合实验室与协作创新平台，合作对象覆盖了航空发动机行业几乎所有的企业，对“军民燃”动力装备提供了技术支撑。 【3】研究基础——团队在航空发动机关键零件制造理论研究、技术开发和型号攻关方面，形成了独特优势，是国内首台中等推力涡扇发动机核心机预研项目主要参研单位、国家X航空发动机预研和型号总指挥系统唯一高校成员、青城发动机项目研制工作先进集体、“111引智计划”航空宇航先进制造技术学科创新基地、“2011计划”先进航空发动机协同创新中心成员、某基础科学中心副组长单位、先进航空发动机协同创新中心副组长单位、某基础研究制造专业组副组长单位。 【4】科研条件——实验室建设有表面完整性与抗疲劳制造研究平台、高效切削与自适应精密加工研究平台、多能场复合加工与制造新技术研究平台、高性能精确成形与无损检测技术研究平台、智能化加工与装配技术研究平台，具备国内先进的科研设备和研究环境。 内容来自集群智慧云企服 请访问正版网址 www.jiqunzhihui.net

科学研究

科学研究 Scientific Research 围绕航空发动机热端关键部件的智能制造及检测开展相关理论及应用研究，主要研究方向包括：1. 高性能复杂构件自适应加工2. 数据-模型混合驱动的加工过程动态建模3. 基于视觉的复杂构件表面缺陷检测主持或参与的科研项目：7. 国家自然科学基金面上项目，物理-数据混合驱动的复杂曲面多模态视觉检测理论与方法，主持6. 国家自然科学基金青年项目，复杂零件三维表面瑕疵智能检测方法研究，主持5. 中央高校基本科研业务费，数/模混合驱动的XXX缓进磨削烧伤控制，主持4. 航材院横向课题，XXX自适应磨削工艺孪生模型及应用，参与3. 浙江省重点研发计划，智能工厂全域数据融合计算及混合实时决策中枢系统，参与2. 国家自然科学基金面上项目，发动机叶片模压工装型腔优化求解研究，参与1. 新西兰MBIE资助项目，New Zealand Product Accelerator，参与

学术成果

学术成果 Academic Achievements 期刊论文：[16] Y. Wang, T. Peng, W. Wang, and M. Luo, “High-efficient view planning for surface inspection based on parallel deep reinforcement learning,” Adv. Eng. Informatics, vol. 55, p. 101849, 2023, doi: 10.1016/j.aei.2022.101849.[15] G. Lu, Y. Bin Wang, H. X. Xu, H. Y. Yang, and J. Zou, “Deep multimodal learning for municipal solid waste sorting,” Sci. China Technol. Sci., vol. 65, no. 2, pp. 324–335, 2022, doi: 10.1007/s11431-021-1927-9.[14] H. Huang, L. Yang, Y. Wang, X. Xu, and Y. Lu, “Digital Twin-driven online anomaly detection for an automation system based on edge intelligence,” J. Manuf. Syst., vol. 59, pp. 138–150, 2021.[13] P. Zheng, X. Li, T. Peng, Y. Wang, and G. Zhang, “Industrial smart product‐service system development for lifecycle sustainability concerns,” IET Collab. Intell. Manuf., vol. 2, no. 4, pp. 197–201, 2020, doi: 10.1049/iet-cim.2020.0056.[12] G. Lu, Y. Wang, H. Yang, and J. Zou, “One-dimensional convolutional neural networks for acoustic waste sorting,” J. Clean. Prod., vol. 271, p. 122393, 2020, doi: 10.1016/j.jclepro.2020.122393.[11] Y. Wang et al., “A CNN-Based Adaptive Surface Monitoring System for Fused Deposition Modeling,” IEEE/ASME Trans. Mechatronics, vol. 25, no. 5, pp. 2287–2296, 2020, doi: 10.1109/TMECH.2020.2996223.[10] Y. Wang, P. Zheng, T. Peng, H. Yang, and J. Zou, “Smart additive manufacturing: current artificial intelligence-enabled methods and future perspectives,” Sci. China Technol. Sci., vol. 63, no. 9, pp. 1600–1611, 2020, doi: 10.1007/s11431-020-1581-2.[9] Y. Wang, M. Liu, P. Zheng, H. Yang, and J. Zou, “A smart surface inspection system using faster R-CNN in cloud-edge computing environment,” Adv. Eng. Informatics, vol. 43, p. 101037, 2020, doi: 10.1016/j.aei.2020.101037.[8] Y. Wang, K. Hong, J. Zou, T. Peng, and H. Yang, “A CNN-based visual sorting system with cloud-edge computing for flexible manufacturing systems,” IEEE Trans. Ind. Informatics, vol. 16, no. 7, pp. 4726–4735, 2020, doi: 10.1109/tii.2019.2947539.[7] Y. Wang, Y. Lin, R. Y. Zhong, and X. Xu, “IoT-enabled cloud-based additive manufacturing platform to support rapid product development,” Int. J. Prod. Res., vol. 57, no. 12, pp. 3975–3991, 2019, doi: 10.1080/00207543.2018.1516905.[6] Y. Wang, P. Zheng, X. Xu, H. Yang, and J. Zou, “Production planning for cloud-based additive manufacturing—A computer vision-based approach,” Robot. Comput. Integr. Manuf., vol. 58, no. September 2018, pp. 145–157, 2019, doi: 10.1016/j.rcim.2019.03.003.[5] Y. Wang, R. Blache, P. Zheng, and X. Xu, “A Knowledge Management System to Support Design for Additive Manufacturing Using Bayesian Networks,” J. Mech. Des., vol. 140, no. 5, p. 051701, Mar. 2018, doi: 10.1115/1.4039201.[4] Y. Wang, R. Y. Zhong, and X. Xu, “A decision support system for additive manufacturing process selection using a hybrid multiple criteria decision-making method,” Rapid Prototyp. J., vol. 24, no. 9, pp. 1544–1553, 2018, doi: 10.1108/RPJ-01-2018-0002.[3] P. Zheng, Y. Wang, X. Xu, and S. Q. Xie, “A weighted rough set based fuzzy axiomatic design approach for the selection of AM processes,” Int. J. Adv. Manuf. Technol., vol. 91, no. 5–8, pp. 1977–1990, 2017, doi: 10.1007/s00170-016-9890-8.[2] Y. Wang, R. Blache, and X. Xu, “Selection of Additive Manufacturing Processes,” Rapid Prototyp. J., vol. 23, no. 2, pp. 434–447, 2017, doi: 10.1108/RPJ-09-2015-0123.[1] 王渊彬,汪文虎*,张艳,解晓娜.压气机叶片辊轧模具型腔快速建模技术[J].航空学报, 2014, 35(11): 3190-3198.会议论文：[4] Y. Wang and W. Wang, “Generative Adversarial Network-Based Data Augmentation for Tyre Surface Defect Detection,” in 2023 IEEE 19th International Conference on Automation Science and Engineering (CASE), 2023, vol. 2023-Augus, pp. 1–6. doi: 10.1109/CASE56687.2023.10260675.[3] Y. Wang, R. Blache, and X. Xu, “Design for additive manufacturing in the cloud platform,” in Proceedings of the ASME 2017 12th International Manufacturing Science and Engineering Conference (MSEC 2017), 2017, pp. 1–9. doi: 10.1115/MSEC2017-2708.[2] Y. Lin, S. Yu, P. Zheng, L. Qiu, Y. Wang, and X. Xu, “VR-based Product Personalization Process for Smart Products,” Procedia Manuf., vol. 11, 2017, doi: 10.1016/j.promfg.2017.07.297.[1] P. Zheng, S. Yu, Y. Wang, R. Y. Zhong, and X. Xu, “User-experience Based Product Development for Mass Personalization: A Case Study,” in Procedia CIRP, 2017, vol. 63. doi: 10.1016/j.procir.2017.03.122.专利：[6] Jun Zou, Gang Lu, Yuanbin Wang, Acoustic garbage classification method using one dimensional convolutional neural network (1D-CNN), US011835489B2, 2023 (美国专利）[5] 张天任; 王渊彬; 汪文虎 ; 一种基于物理引导神经网络的缓进给磨削温度预测方法, CN202311033789.6，2023[4] 王渊彬; 汪文虎 ; 一种面向二维图像拍摄的视点可见性评估方法, CN202210658669.4，2022[3] 王渊彬; 汪文虎; 王子春 ; 空心涡轮叶片陶瓷型芯检测截面线点云外轮廓过滤方法, CN202210642083.9，2022[2] 王渊彬, 谢海波, 杨华勇, “一种小样本下的轮胎表面瑕疵智能识别方法,” CN113901947A, 2021[1] 邹俊; 陆刚; 王渊彬 ; 一种基于视听结合的智能垃圾分类回收方法和终端, ZL201911347596.1，2021 内容来自集群智慧云企服 发明专利4999元代写全部资料全国受理

综合介绍

内容来自集群智慧云企服 软件产品登记测试全国受理