一、个人简介
李兵，男，1990年生，工学博士，硕士生导师，副教授，电气工程学院学科科研与研究生办公室主任，2021年10月于南京航空航天大学获得博士学位，同年11月到河南工业大学电气工程学院任教，河南工业大学青年骨干教师，中国自动化学会会员，中国粮油学会信息与自动化分会委员，河南省“科技副总”。先后主持参与多项国家级、省部级科研项目。 同时担任多个学术期刊审稿人，在Aerospace Science and Technology, Mechanical Systems and Signal Processing, Engineering Applications of Artificial Intelligence和IEEE Transactions on Instrumentation and Measurement等故障诊断和航空航天领域发表论文10余篇，并申请多项发明专利。
联系邮箱：bing_l@haut.edu.cn
二、主要研究领域
围绕人工智能的工程应用、智能制造、工业设备健康管理等方向，开展以下研究：
1、数据驱动的智能故障诊断技术，如航空发动机气路部件故障诊断、复杂工业设备故障诊断等；
2、基于人工智能技术的工业设备故障特征提取与健康评估；
3、工业自动化与智能硬件；
4、架空输电线路状态监测。
三、近年来承担科研项目
纵向项目：
1、国家自然科学基金青年项目：面向航空发动机气路性能渐变-突变故障的并行智能诊断方法研究，2023.01-2025.12，主持。
2、国家自然科学基金面上项目：水电机组全工况健康状态双向认知建模与不确定性量化预测，2024.01-2027.12，参与。
3、河南省科协青年人才托举工程项目：基于深度迁移学习的航空发动机气路故障诊断方法研究，2023.01-2024.12，主持。
4、河南省科技攻关项目：据驱动的航空发动机气路性能渐变故障智能诊断方法研究，2023.01-2024.12，主持。
5、河南工业大学博士基金项目：数据驱动的航空发动机故障诊断方法研究，2022.01-2024.12，主持。
6、河南工业大学青年骨干教师培育计划项目，2024.10-2027.09，主持。
横向项目：
1、许继软件技术有限公司委托项目：基于激光传感的数据处理技术研究，2025.04-2025.12，主持。
2、企业委托项目：动力电池组智能BMS管理系统设计，参与。
四、近年来研究成果
[1] Shaokai Xue, Bing Li*, et al. A Novel Semi-Supervised Deep Transfer Learning Method With Improved Extended Isolation Forest for Bearing Fault Diagnosis[J]. IEEE Transactions on Instrumentation and Measurement, vol. 74, pp. 1-12, 2025, Art no. 3549512. (Q1, 中科院2区)
[2] Bing Li, Shaokai Xue, et al. Kernel adapted extreme learning machine for cross-domain fault diagnosis of aero-engines[J]. Aerospace Science and Technology, 2024, 146: 108970. (Q1, 中科院1区TOP)
[3] Bing Li, Yongping Zhao, Yaobin Chen. Unilateral alignment transfer neural network for fault diagnosis of aircraft engine[J]. Aerospace Science and Technology, 2021, 118: 107031. (Q1, 中科院1区TOP)
[4] Bing Li, Yongping Zhao, Huan Wu, Huijun Tan. Optimal sensor placement using data-driven sparse learning method with application to pattern classification of hypersonic inlet[J]. Mechanical Systems and Signal Processing, 2021, 147: 107110. (Q1, 中科院1区TOP)
[5] Bing Li, Yongping Zhao, Yaobin Chen. Learning transfer feature representations for gas path fault diagnosis across gas turbine fleet[J]. Engineering Applications of Artificial Intelligence, 2022, 111: 104733. (Q1, 中科院1区TOP)
[6] Bing Li, Yongping Zhao. Group reduced kernel extreme learning machine for fault diagnosis of aircraft engine[J]. Engineering Applications of Artificial Intelligence, 2020, 96: 103968. (Q1, 中科院1区TOP)
[7] Bing Li, Yongping Zhao. Multi-label learning using label-specific features for simultaneous fault diagnosis of aircraft engine[J]. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, 2022, 236(10): 2057-2073. (SCI, Q4)
[8] Bing Li, Yongping Zhao, Yaobin Chen. Simultaneous fault diagnosis for aircraft engine using multi-label learning[J]. Proceedings of the Institution of Mechanical Engineers, Part I: Journal Systems and Control Engineering, 2022, 236(7): 1355-1371. (SCI, Q4)
五、招生信息
招生方向：
欢迎有想法的自动化、测控、电子电气、机械等专业背景的学生咨询，欢迎学硕调剂考生咨询，也欢迎想要提前参与科研训练的本校本科生联系。
欢迎报考本课题组（清洁能源设备智慧运维）研究生! 报考要求:
1. 良好的数理基础和表达沟通能力；
2. 科研态度踏实、积极、主动；
3. 严格遵循学术规范, 对所从事的科研高度负责；
4. 热爱生活，目标明确，外向内向性格皆可。
