宋静文

综合介绍 General Introduction       宋静文，1991年生，本人治学严谨，研究领域包括结构系统可靠性分析与优化算法研究、机械结构不确定性量化、仿真模型参数修正与敏感性分析等。在科研上以对标国际前沿、追求真理为科学研究的最高准则，开展了多项原创性研究。近年来与德国、日本等国家的知名学者开展深入学术合作，取得了显著科研成果，形成了一定的国际学术影响力。在国家自然科学基金青年项目、国家重大基础研究项目等多个国家级项目的支持下，深入开展多态、混合不确定性影响下复杂结构设计与制造的不确定性量化理论和工程应用研究，累积发表国内外SCI期刊论文20余篇，一作/通讯作者共发表学术论文13篇，包括SCI论文12篇（中科院1区论文9篇、2区期刊论文1篇）。谷歌学术总引用次数一千余次，H因子17。开发了具有自主知识产权的不确定性量化及优化设计软件系统，获得软件著作权5项。2023年分别入选“中国科协青年人才托举工程”和“陕西省秦创园高层次引用人才计划“。 个人相册

教育教学

个人经历 personal experience 工作经历 教育经历 2020.12-2021.09 日本东京都市大学（旧武藏工业大学） 研究助理教授2021.12-至今 西北工业大学  机电学院  副教授（硕导） 2009-2013  西北工业大学  航空学院   本科2013-2016  西北工业大学  航空学院   硕士2018-2020  德国汉诺威大学   工学博士

荣誉获奖

教育教学 Education and teaching 招生信息 依托平台：中国青年五四奖章集体全国高校黄大年式教师团队陕西省空天结构技术重点实验室航宇材料结构一体化设计与增材制造装备技术国际联合研究中心金属高性能增材制造与创新设计工业和信息化部重点实验室团队负责人为中国科学院院士张卫红教授。团队面向航空航天装备重大需求，开展机械结构设计、制造与评估相关的基础理论、仿真建模、设计方法、试验技术的综合研究，注重科学精神与学术思想的培养，鼓励学科交叉融合，倡导学术交流与合作，团队氛围宽松、学术严谨、思想活跃，欢迎各位有志于科学研究的同学联系报考。本人硕士招生方向：航空宇航制造工程（学术型，代码“082503”）和航空工程（专业型，报考代码为“0855机械”，领域方向为“航空工程”）。担任2020级本科生辅导员，指导学生获校模范班级及优秀大学生标兵。主讲本科生课程《机械制图基础》（32学时）

科学研究

社会兼职 Social Appointments 1. 中国航空学会会员；2. 教学部学位论文通讯评审专家；2. Bernoulli society 旗下 Probability and Statistics in the Physical Sciences 协会主席；3. 为本领域国际著名期刊Mechanical System & Signal Processing, Reliability Engineering & System Safety以及Structural and Multidisciplinary Optimization等审稿20余篇次；4.  ISRERM2022国际会议技术委员会委员；承担WCCM-APCOM， ICASP等顶级国际会议分会组稿和分会主席等任务。

学术成果

科学研究 Scientific Research 主要研究方向1. 复杂结构可靠性分析与优化设计；2. 机械结构系统认知/混合不确定性量化智能算法研究；3. 面向可靠性的模型修正、校准与敏感性分析。Researchgate个人主页Google个人主页主持或参与科研项目1. 国家自然科学基金，匮乏数据下增材制造过程仿真的不确定性量化与工艺参数优化，主持2. 陕西省人才项目，    航空发动机装配状态分析与性能预测方法研究，                       主持3. 西北工业大学中央高校基本科研业务费，                                                                主持4. 第九届中国科协青年人才托举项目                                                                          主持5. 国家级基础研究项目，   不确定性量化设计理论研究，                                            参与6. 国家军口重点基础研究项目，    基于XX制造的XX多功能结构设计，                        参与

综合介绍

学术成果 Academic Achievements [22].Dang, C., Valdebenito, M., Wei, P., Song, J., & Beer, M. (2024). Bayesian active learning line sampling with log-normal process for rare-event probability estimation. Reliability Engineering & System Safety, 110053.[21]. Song, J., Cui, Y., Wei, P., Valdebenito, M. & Zhang W. (2023). Constrained Bayesian optimization algorithms for estimating design points in strucutral reliability analysis. Reliability Engineering & System Safety, 241, 109613.[20].Hong, F., Wei, P., Song, J.*, Valdebenito, M., Faes, M. & Beer, M. (2023). Collaborative and adaptive bayesian optimization for bounding variances and probabilities under hybrid uncertainties. Computer Methods in Applied Mechanics and Engineering, 417, 116410.[19]. Song, J., Zhang, Y., Cui, Y., Yue, T. & Dang, Y. (2023). Bayesian active learning approach for estimation of empirical copula-based moment-independent sensitivity indices. Engineering with Computers. DOI: 10.1007/s00366-023-01865-0.[18]. Hong, F., Wei, P., Song, J., Faes, M., Valdebenito, M. & Beer, M. (2023). Combining data and physical models for probabilistic analysis: a Bayesian augmented space learning perspective. Probabilistic Engineering Mechanics, 73, 103474.[17]. Dang, C., Valdebenito, M, Song, J., Wei, P. & Beer, M. (2023). Estimation of small failure probabilities by partially Bayesian active learning line sampling: Theory and algorithm. Computer methods in Applied Mechanical Engineering, 412, 116068.[16]. Dang, C., Valdebenito, M., Faes, M., Song, J., Wei, P. & Beer, M. (2023). Structural reliability analysis by line sampling: A Bayesian active learning treatment. Structural Safety, 104, 102351[15].  Kitahara, M., Song, J., Wei, P., Broggi, M., & Beer, M. (2022) A distributionally robust approach for mixed aleatory and epistemic uncertainties propagation. AIAA Journal, DOI: 10.2514/1.J061394.[14]. Song, J., Wei, P., Valdebenito, M., Faes, M., & Beer, M. (2022). Data-driven and active learning of variance-based sensitivity indices with Bayesian probabilistic integration. Mechanical Systems and Signal Processing, 163, 108106.[13]. Dang, C., Wei, P., Song, J., Beer, M. (2021) Estimation of failure probability function under imprecise probabilities by active learning augmented probabilistic integration. ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems, Part A: Civil Engineering,  7(4):04021054.[12]. Song, J., Wei, P., Valdebenito, M., & Beer, M. (2021). Active learning line sampling for rare event analysis. Mechanical Systems and Signal Processing, 147, 107113.[11]. Valdebenito, M., Wei, P., Song, J., Beer, M., & Broggi, M. (2021) Failure probability estimation of a class of series systems by multidomain line sampling. Reliability Engineering & System Safety, 213: 107673.[10]. Song, J., Wei, P., Valdebenito, M., Beer, M. (2020). Adaptive reliability analysis for rare events evaluation with global imprecise line sampling. Computer Methods in Applied Mechanics and Engineering, 372, 113344.[9]. Song, J., Valdebenito, M., Wei, P., Beer, M., & Lu, Z. (2020). Non-intrusive imprecise stochastic simulation by line sampling. Structural Safety, 84, 101936.[8]. Song, J., Wei, P., Valdebenito, M., Bi, S., Broggi, M., Beer, M., & Lei, Z. (2019). Generalization of non-intrusive imprecise stochastic simulation for mixed uncertain variables. Mechanical Systems and Signal Processing, 134, 106316.[7]. Wei, P., Song, J.*, Bi, S., Broggi, M., Beer, M., Lu, Z., & Yue, Z. (2019). Non-intrusive stochastic analysis with parameterized imprecise probability models: I. Performance estimation. Mechanical Systems and Signal Processing, 124, 349-368.[6]. Wei, P., Song, J.*, Bi, S., Broggi, M., Beer, M., Lu, Z., & Yue, Z. (2019). Non-intrusive stochastic analysis with parameterized imprecise probability models: II. Reliability and rare events analysis. Mechanical Systems and Signal Processing, 126, 227-247. [5]. Song, J., Lu, Z., & Wei, P. (2018). Measuring regional effects of model inputs with random Forest. Communications in Statistics-Simulation and Computation, 1-18.[4].  Wei, P., Song, J., Lu, Z. & Yue, Z. (2016). Time-dependent reliability sensitivity analysis of motion mechanisms. Reliability Engineering & System Safety, 149, 107-120.[3].  Wei, P., Lu, Z. & Song, J. (2015). Variable importance analysis: a comprehensive review. Reliability Engineering & System Safety, 142, 399-432.[2]. Song, J., Lu, Z., Wei, P., & Wang, Y. (2015). Global sensitivity analysis for model with random inputs characterized by probability-box. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability, 229(3), 237-253.[1]. 宋静文，吕震宙. (2014). 输入变量相关情况下重要性测度指标关系. 力学学报, 46 (4), 601-610.