嚴如強

2006年8月至2008年8月在美國國家標準與技術研究院(National Institute of Standards and Technology) 感測器套用與開發實驗室進行合作研究。2009年2月至2009年10月作為高級研究員(Senior Research Scientist)在美國康乃狄克大學(University of Connecticut) 機械工程系機電系統實驗室工作。2009年10月加入東南大學儀器科學與工程學院從事動態信號處理和無線感測器網路等方面的研究工作。近幾年來在國際期刊和國際會議上發表論文60餘篇，其中SCI 收錄21篇， EI收錄40篇。獲美國國家發明專利授權1項並由Springer-Verlag出版公司出版專著“Wavelets: Theory and Applications for Manufacturing” 1部。作為骨幹人員完成美國國家自然基金3項，省部級項目1項。多次擔任國際會議分會主席及國際會議程式委員會成員並應邀為多個國際期刊審稿。

基本介紹

• 中文名：嚴如強
• 國籍：中國
• 出生日期：1975年2月
• 性別：男

個人簡介

嚴如強，東南大學教授，博士生導師。1975年2月出生，江蘇省南京市人。1997年7月畢業於中國科學技術大學精密機械與精密儀器系機械電子工程專業，獲理學學士學位。2002年6月畢業於中國科學技術大學精密機械與精密儀器系精密儀器與機械專業，獲工學碩士學位。2007年5月畢業於美國麻薩諸塞大學阿默斯特分校(University of Massachusetts, Amherst)機械與工業工程系，獲機械工程專業博士學位。入選2009年教育部“新世紀優秀人才支持計畫”。

學科方向

（一級學科）儀器科學與技術
（二級學科）測試計量技術及儀器

主要研究興趣

機電系統設計與控制；

機電系統狀態監測、健康診斷與剩餘壽命預測；

非平穩信號處理、非線性時間序列分析；

生物醫學信號處理；
無線感測器網路，物聯網及其套用。

學術兼職

IEEE高級會員、IEEE儀器與測試學會會員
IEEE儀器與測試學會信號與系統技術委員會主席
IEEE儀器與測試學會南京分會主席
中國振動工程學會故障診斷專業委員會理事
美國機械工程師學會會員
中國故障預測與健康管理學會會員
《Journal of Measurement Science and Instrumentation》刊物編委
《Current Development in Theory and Applications of Wavelets》刊物編委
《International Journal of Wavelets, Multiresolution, and Information Processing》專輯“Wavelet Transform for Condition-Based Maintenance”客座編輯

在研項目

[1] 基於小波理論和多時間尺度建模的旋轉部件健康監測研究，國家自然科學基金
[2] 基於無線感測器網路的複雜製造系統與製造過程監測與控制，教育部新世紀優秀人才計畫項目
[3] 脈搏信號特徵提取的基礎方法研究，江蘇省自然科學基金
[4] 基於小波分析的航空發動機轉靜碰摩故障分析探索研究，航空科學基金
[5] 基於先進數位訊號處理技術的石油勘探設備監測與診斷，Canrig Drilling Technology Ltd，USA

代表性論文

[1] R. Yan and R. Gao, “Wavelet domain principal feature analysis for spindle health diagnosis”, Structural Health Monitoring, DOI: 10.1177/1475921710395806.
[2] A. Malhi, R. Yan, and R. Gao, “Prognosis of defect propagation based on recurrent neural networks”, IEEE Transactions on Instrumentation and Measurement , Vol. 60, No. 3, pp. 703-711, March 2011.
[3] J. Zhang, R. Yan, R. Gao, and Z. Feng, “Performance enhancement of ensemble empirical mode decomposition”, Mechanical Systems and Signal Processing, Vol. 24, No. 7, pp. 2104-2123, October, 2010..
[4] R. Yan and R. Gao, “Harmonic wavelet-based data filtering for enhanced machine defect identification”, Journal of Sound and Vibration, Vol. 329, No. 15, pp. 3203-3217, July, 2010.
[5] R. Yan and R. Gao, “Energy-based feature extraction for defect diagnosis in rotary machines”, IEEE Transactions on Instrumentation and Measurement, Vol. 58, No. 9, pp.3130-3139, September, 2009.
[6] R. Yan, R. Gao, and C. Wang, “Experimental evaluation of a unified time-scale-frequency technique for bearing defect feature extraction”, ASME Journal of Vibration and Acoustics, Vol. 131, No. 4, pp.041012, August, 2009.
[7] R. Yan and R. Gao, “Base wavelet selection for bearing vibration signal analysis”, International Journal of Wavelets, Multi-resolution, and Information Processing, Vol. 7, No. 4, pp.411-426, July, 2009.
[8] R. Yan and R. Gao, “Multi-scale enveloping spectrogram for vibration analysis in bearing defect diagnosis”, Tribology International, Vol. 42, No. 2, pp. 293-302, February 2009.
[9] D. Ball, R. Yan, T. Licht, A. Deshmukh, and R. Gao, “A strategy for decomposing large-scale energy constrained sensor networks for system monitoring”, Production Planning and Control, Vol. 19, No. 4, pp. 435-447, June 2008.
[10] R. Yan and R. Gao, “Rotary machine health diagnosis based on empirical mode decomposition”, ASME Journal of Vibration and Acoustics, Vol. 130, No.2, 021007-1-12, April 2008.
[11] R. Yan and R. Gao, “Approximate entropy as a diagnostic tool for machine health monitoring”, Mechanical Systems and Signal Processing, Vol. 21, No. 2, pp. 824-839, February 2007.
[12] R. Yan and R. Gao, “Hilbert-Huang transform-based vibration signal analysis for machine health monitoring”, IEEE Transactions on Instrumentation and Measurement, Vol. 55, No. 6, pp. 1327-1334, December, 2006.
[13] R. Yan and R. Gao, “An efficient approach to machine health evaluation based on harmonic wavelet packet transform”, Robotics and Computer Integrated Manufacturing, Vol. 21, pp. 291-301, August-October 2005.
[14] R. Yan and R. Gao, “Complexity as a measure for machine health evaluation”, IEEE Transactions on Instrumentation and Measurement, Vol. 53, No. 4, pp. 1327-1334, August, 2004.

專利

　　[1] 基於多尺度包絡頻譜的機械狀態監測及健康診斷方法 (Multi-Scale Enveloping Spectrogram (MuSEnS) signal processing for condition monitoring and the like), 美國專利No. 7602985, 2009年10月13日頒發, R. Gao and R. Yan.