張頂成，男，畢業於英國伯明罕大學工程學院，哲學博士，現就職於四川大學機械工程學院機械系，擔任副教授，主要研究機械設備智慧型故障診斷與運行維護管理。
基本介紹
- 中文名：張頂成
- 國籍：中國
- 民族：漢
- 出生地：湖南寧鄉
- 畢業院校：伯明罕大學
- 學位/學歷：博士
- 專業方向：機械工程
- 職稱：副教授
人物經歷,研究方向,主要成就,
人物經歷
教育背景：
2016.09–2020.11 伯明罕大學 博士
2013.09–2016.06 湖南大學 碩士
2009.09–2013.06 湖南工學院 學士
工作經歷：
2021.03-至 今 四川大學 副教授
2020.10-2021.03 香港城市大學 博士後
2020.09-2020.10 清華大學訪問學者
2020.07-2020.09 西安交通大學 訪問學者
研究方向
主要研究機械設備故障診斷、剩餘壽命預測與健康管理，所涉及領域包括無損檢測、信號處理、機器學習、多感測融合和維護策略。主持和參與多箇中國國家自然科學基金委、英國皇家學會、香港特別行政區大學撥款委員會以及四川省科技廳等資助項目。近年來在IEEE Transactions on Intelligent Transportation Systems、IEEE Transactions on Instrumentation and Measurement、Journal of Sound and Vibration、Measurement、振動工程學報等國內外權威期刊發表論文十餘篇，並擔任多個國際期刊審稿人和國際會議主持人。
歡迎機械、計算機、數學、電氣等專業方向的同學報考本人的研究生！
期刊同行評審：
《Mechanical Systems and Signal Processing》《Reliability Engineering and System Safety 》《IEEE Transactions on Instrumentation and Measurement》《IEEE Sensors Journal》《Measurement》《Part F: Journal of Rail and Rapid Transit》《IEEE Access》《Entropy》《Computers and Industrial Engineering》《Journal of Sound and Vibration》等
會議主持：
· European safety and reliability conference, 2021, Hannover, Germany.
· XJTU-UoB Online workshop: Deep learning-based fault diagnosis and prognosis for critical components of railway vehicles, 2021, online.
· IEEE Global Reliability and Prognostics & Health Management Conference, 2020, Shanghai, China
· IEEE International Conference on Industrial Engineering and Engineering Management, 2020, Online
社會兼職：
電氣與電子工程師協會，會員
中國振動工程學會，會員
主持和參與項目
· 國家自然科學基金委員會，青年項目，基於聲學知識深度遷移的列車軸承剩餘壽命預測方法研究
· 四川省自然科學基金，青年項目，基於多通道聲學感知的列車軸承智慧型故障診斷研究
· 四川省重點研發，省院省校科技合作，基於時空態勢數據驅動的航空發動機高壓轉子系統剩餘壽命預測研究
· 國家自然科學基金委員會，面上項目，基於可聽聲學的旋轉機械故障診斷若干基礎問題研究
· 科技部，國家重點研發計畫，大規模製造產業網狀結構價值鏈數字生態理論研究
· 國家自然科學基金委員會，國際合作研究（重點項目），邊緣雲計算架構下高速鐵路運行控制系統設備故障診斷
· 英國皇家學會與國家自然科學基金委員會，中英交流項目，高鐵關鍵部件的健康狀態深度識別與預測技術研究
· 香港特別行政區大學撥款委員會，高速鐵路與鐵道系統的安全性、可靠性和應急管理研究
· 國家自然科學基金委員會，面上項目，產品質量保證策略與質保服務運作研究
發表論文
Zhang D, Xie M, Yang J and Wen T, Multi-Sensor Graph Transfer Network for Health Assessment of High-Speed Rail Suspension Systems [J]. IEEE Transactions on Intelligent Transportation Systems. 2023, doi: 10.1109/TITS.2023.3265401.
Zhang D*, Xie M, Hamadache M, et al. An adaptive graph morlet wavelet transform for railway wayside acoustic detection[J]. Journal of Sound and Vibration, 2022, 529: 116965.
YeJ, Stewart E, Zhang D*, Chen Q, Thangaraj K, Roberts C. Integration ofMultiple Sensors for Non-Contact Rail Profile Measurement and Inspection[J]. IEEE Transactions on Instrumentation& Measurement. 2021, 70: 1-12
ZhangD*, Entezami M, Stewart E, Roberts C, Yu D, Lei Y.Wayside Acoustic Detection ofTrain Bearings Based on An EnhancedSpline-Kernelled Chirplet Transform[J].Journal of Sound and Vibration, 2020,480, 115401.
ZhangD*, Stewart E, Entezami M, Roberts C, Yu D.Intelligent Acoustic-based Fault Diagnosis of Roller BearingsUsing a Deep Graph Convolutional Network[J].Measurement, 2020,156, 107585.
ZhangD, Stewart E, Ye J, Entezami M, Roberts C. RollerBearing Degradation Assessment Based on a Deep MLPConvolution Neural Network Considering OutlierRegions[J]. IEEE Transactionson Instrumentation & Measurement. 2020, 69(6): 2996-3004.
YeJ, Stewart E, Zhang D*, Chen Q, Roberts C. A Method for Automatic RailwayTrack Surface Defect Classification and Evaluation Using a Laser-based 3D Model[J].IET Image Processing. 2020, 14(12):2701-2710
ZhangD*, Entezami M, Stewart E, Roberts C, Yu D.A Novel Doppler Effect Reduction Methodfor Wayside Acoustic Train Bearing Fault DetectionSystems[J]. Applied Acoustics, 2019, 145:112-124.
ZhangD*, Entezami M, Stewart E, Roberts C, Yu D. AdaptiveFault Feature Extraction from Wayside Acoustic Signals from Train Bearings[J]. Journal ofSound and Vibration, 2018, 425, 221-238.
ZhangD, Yu D *.Multi-fault diagnosis of gearbox based on resonance-based signal sparse decompositionand comb filter[J]. Measurement,2017, 103, 361-369.
ZhangD, Yu D*, Li X. Optimal resonance-based signal sparse decomposition and itsapplication to fault diagnosis of rotating machinery [J]. ARCHIVE Proceedings of the Institution of MechanicalEngineers Part C: Journal of Mechanical EngineeringScience. 2016, 231, 4670-4683.
Zhang D, Yu D*, Zhang W. Energy operator demodulating of optimal resonancecomponents for the compound faults diagnosis of gearboxes. Measurement Scienceand Technology, 26(11), 2015,115003
Zhang D*, Stewart E, Entezami M, Roberts C. Degradation Assessment of Bearings Using DeepConvolutional Inner-Ensemble Learning with Outlier Removal[C]. 2019 Prognosticsand System Health Management Conference,2019:315-319.
張頂成，於德介*，李星.滾動軸承故障診斷的可調品質因子可調小波重構方法[J]. 航空動力學報，2015，30(12),3051-3057.
李星，於德介*，張頂成.基於最優品質因子信號共振稀疏分解的滾動軸承故障診斷[J].振動工程學報，2015，2015(6), 998-1005
