陈力铭

个人简介 陈力铭，工学博士，中南大学机电工程学院讲师。 主要研究方向为代理模型方法及其在设计优化、数字孪生中的应用。近年来在Computer Methods in Applied Mechanics and Engineering、Mechanical Systems and Signal Processing、Applied Mathematical Modelling、Structural and Multidisciplinary Optimization 等国内外高水平学术期刊发表论文10余篇。现主持国家自然科学基金青年科学基金项目1项。兼任 IEEE Transactions on Systems, Man and Cybernetics Systems、IEEE Computational Intelligence Magazine、Structural and Multidisciplinary Optimization、Knowledge-Based Systems、Advanced Engineering Informatics、Computers & Industrial Engineering 等国际学术期刊审稿人。 欢迎感兴趣的同学联系交流  ( chenlm@csu.edu.cn ) 代表性论文： [1] Liming Chen, Haobo Qiu, Liang Gao, Chen Jiang, Zan Yang. Optimization of expensive black-box problems via Gradient-enhanced Kriging, Computer Methods in Applied Mechanics and Engineering, 2020, 362: 112861. [2] Liming Chen, Haobo Qiu, Liang Gao, Zan Yang, Danyang Xu. Exploiting active subspaces of hyperparameters for efficient high-dimensional Kriging modeling, Mechanical Systems and Signal Processing, 2022, 169: 108643. [3] Liming Chen, Haobo Qiu, Liang Gao, Chen Jiang, Zan Yang. A screening-based gradient-enhanced Kriging modeling method for high-dimensional problems, Applied Mathematical Modelling, 2019, 69(5): 15-31. [4] Liming Chen, Haobo Qiu, Chen Jiang, Mi Xiao, Liang Gao. Support Vector enhanced Kriging for metamodeling with noisy data, Structural and Multidisciplinary Optimization, 2018, 57(4): 1611-1623. [5] Liming Chen, Haobo Qiu, Chen Jiang, Xiwen Cai, Liang Gao. Ensemble of surrogates with hybrid method using global and local measures for engineering design, Structural and Multidisciplinary Optimization, 2018, 57(4): 1711-1729. [6] 陈力铭, 邱浩波, 高亮. 基于梯度增强Kriging的水下航行器结构优化设计. 中国舰船研究, 2021, 16 (4): 79-85. [7] 贺冠强, 刘永江, 李华, 陈力铭#. 基于Kriging代理模型的变流器吊耳结构强度分析与优化. 机车电传动, 2022, 4: 104-110.（#通讯作者） 教育经历 [1]   2012.9-2016.6 中南大学  |  机械设计制造及其自动化  |  学士  |  大学本科毕业 [2]   2016.9-2021.6 华中科技大学  |  机械工程  |  博士  |  博士研究生毕业 工作经历 [1]   2021.7-2022.11 中车株洲所  |  轨道交通技术中心  |  结构优化设计工程师 [2]   2022.12-至今 中南大学  |  机电工程学院  |  讲师 研究方向 [1]  方法研究：代理模型方法（以高斯过程预测、贝叶斯优化等统计机器学习方法为主） [2]  应用研究：复杂装备产品的设计优化、数字孪生