刘颉
副教授
所属大学: 华中科技大学
所属学院: 水电与数字化工程学院
个人简介
刘颉,中共党员,副教授,博导,本硕博毕业于华中科技大学测控技术与仪器、检测技术与自动化装置、机械电子工程专业,读博期间在佐治亚理工学院联培一年。近年来重点围绕聚变、水电等清洁能源系统安全运行管理专业领域,聚焦领域知识图谱、工程物联感知、图表示学习、生成式人工智能、设备运维检修、虚拟人机交互、遥操作维护、无人电站建设等研究方向。以第一/通讯作者在机械工程学报、MSSP、IEEE TII/TIE/TMECH/TIM等领域期刊发表论文60余篇,参编英文专著1部,授权专利软著30余项,获省部级教学奖、省部级科学技术奖多项,担任中国机械工程学会工业大数据与智能系统分会委员、中国振动工程学会转子动力学/动态信号分析/故障诊断专委会理事、《机电工程技术》青年编委等,入选华中科技大学优秀青年教师培养计划、斯坦福全球前2%顶尖科学家榜单等。
研究领域
信息感知与处理、智能仪器仪表研制;非标机电系统(装备)研制;非线性系统动力学分析与智能控制;复杂系统及重大装备故障诊断、预测与健康管理
近期论文
近期代表作 [1]Chaoying Yang, Jie Liu*, et al. A fast graph construction driven rotating machine fault diagnosis method using edge predictor, IEEE Transactions on Neural Networks and Learning Systems, 2025. [2]Mengliang Zhu, Jie Liu*, et al. Cloud-edge test-time adaptation for cross-domain online machinery fault diagnosis via customized contrastive learning[J]. Advanced Engineering Informatics, 2024, 61: 102514. [3]Fengyuan Zhang, Jie Liu*, et al. Data-model-interactive enhancement-based Francis turbine unit health condition assessment using graph driven health benchmark model[J]. Expert Systems with Applications, 2024, 249(8): 123724. [4]Chaoying Yang, Jie Liu*, et al. Dynamic graph-driven rotating machine fault diagnosis: An adaptively updating cross-domain relationship information[J], IEEE Transactions on Industrial Informatics, 2024, 20(12): 14479-14488. [5]Chaoying Yang, Jie Liu*, et al. A generalized graph contrastive learning framework for few-shot machine fault diagnosis[J]. IEEE Trans. on Industrial Informatics, 2024, 20(2): 2692-2701.