李華
工學(xué)博士，貴州大學(xué)，副教授，特聘教授，碩士生導(dǎo)師
地址：貴州省貴陽市花溪區(qū)貴州大學(xué)西校區(qū)崇厚樓806室
研究方向：
機(jī)械系統(tǒng)健康監(jiān)測(cè)與智能維護(hù)、現(xiàn)代信號(hào)處理理論與技術(shù)、大數(shù)據(jù)智能故障診斷與壽命預(yù)測(cè)、結(jié)構(gòu)健康監(jiān)測(cè)等。
教育和工作履歷：
2023.01-至今 清華大學(xué) 機(jī)械工程系 博士后（合作導(dǎo)師：褚福磊教授）
2022.12-至今 貴州大學(xué) 公共大數(shù)據(jù)國(guó)家重點(diǎn)實(shí)驗(yàn)室 特聘教授，副教授
2021.04-2022.12 貴州大學(xué) 公共大數(shù)據(jù)國(guó)家重點(diǎn)實(shí)驗(yàn)室 特聘教授，講師
2014.09-2020.12 昆明理工大學(xué)機(jī)械電子工程 工學(xué)博士（導(dǎo)師：伍星教授）
2011.07-2013.08 浙江巨化集團(tuán)公司
2007.09-2011.07 中北大學(xué) 過程裝備與控制工程 工學(xué)學(xué)士
學(xué)術(shù)兼職：
中國(guó)振動(dòng)工程學(xué)會(huì)-故障診斷專業(yè)委員會(huì)會(huì)員，中國(guó)振動(dòng)工程學(xué)會(huì)-動(dòng)態(tài)測(cè)試專業(yè)委員會(huì)西南分會(huì)理事，美國(guó)IEEE會(huì)員。兼任若干國(guó)際著名SCI期刊IEEE TNNLS、IEEE TIE、MSSP、IEEE TPEL、IEEE/ASME TMECH、Information Sciences、ISA Transactions、IEEE TIM、Measurement等以及JDMD期刊、EI期刊《振動(dòng)與沖擊》的評(píng)審專家。
教授課程：
機(jī)械制圖（本科生）、機(jī)電系統(tǒng)建模與仿真（研究生）、大數(shù)據(jù)平臺(tái)技術(shù)（研究生）
科研項(xiàng)目：
[1]國(guó)家自然科學(xué)基金青年基金項(xiàng)目“基于頻帶熵理論的共振解調(diào)稀疏表征與時(shí)頻能量聚集研究”（No. 52205092）2023.01.01-2025.12.31，主持，在研
[2] 中國(guó)博士后科學(xué)基金面上項(xiàng)目“面向5G+邊緣智能的寬度學(xué)習(xí)系統(tǒng)風(fēng)機(jī)葉片運(yùn)維關(guān)鍵技術(shù)研究”(No. 2023M731939)，主持，在研
[3] 貴州大學(xué)自然科學(xué)專項(xiàng)（特崗）科研項(xiàng)目“基于SVD改進(jìn)理論的機(jī)械設(shè)備故障診斷研究”(No. [2021]27)，2021.07-2024.06，主持，在研
[4]貴州大學(xué)培育項(xiàng)目“基于VMD相關(guān)理論的機(jī)械系統(tǒng)故障診斷研究” (No. [2020]25)，2021.09 -2024.09，主持，在研
[5]國(guó)家自然科學(xué)基金項(xiàng)目“數(shù)據(jù)不平衡條件下的高速軸-軸承系統(tǒng)數(shù)值建模與健康預(yù)測(cè)”(No. 52065030)，2021.01-2024.12，骨干人員，在研
[6]國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目“工業(yè)機(jī)器人智能故障診斷及健康評(píng)估系統(tǒng)”(No. 2018YFB1306103)，骨干人員，在研
[7] 華為技術(shù)有限公司、清華大學(xué)，基于機(jī)理知識(shí)的回轉(zhuǎn)機(jī)械故障診斷技術(shù)研究合作項(xiàng)目，編號(hào)：TC***27，參與，在研
[8]國(guó)家“高等學(xué)校學(xué)科創(chuàng)新引智基地”（簡(jiǎn)稱“111”基地）—公共大數(shù)據(jù)創(chuàng)新引智基地，2023.01-2027.12
榮譽(yù)獎(jiǎng)勵(lì)：
2023年貴州大學(xué)學(xué)術(shù)學(xué)科帶頭人重點(diǎn)培育對(duì)象
2022年度云南省優(yōu)秀博士學(xué)位論文
2018年云南省博士研究生省政府獎(jiǎng)學(xué)金
2018年云南省博士學(xué)術(shù)新人獎(jiǎng)
代表性論文：
[1]Hua Li, Tao Liu, Xing Wu, Shaobo Li. Correlated SVD and its application in Bearing Fault Diagnosis[J]. IEEE Transactions on Neural Networks and Learning Systems, 2023, 34(1): 355 - 365.（SCI，中科院一區(qū)Top，IF：10.4）
[2]Hua Li, Tao Liu, Xing Wu, Qing Chen. Enhanced Frequency Band Entropy Method for Fault Feature Extraction of Rolling Element Bearings[J]. IEEE Transactions on Industrial Informatics, 2020, 16(9):5780-5791. （SCI，中科院一區(qū)Top，IF：12.3）
[3]Hua Li, Tao Liu, Xing Wu, Qing Chen. A bearing fault diagnosis method based on enhanced singular value decomposition[J]. IEEE Transactions on Industrial Informatics, 2021, 17(5): 3220-3230. （SCI，中科院一區(qū)Top，IF：12.3）
[4]Hua Li, Xing Wu, Tao Liu, Shaobo Li. The Methodology of Modified Frequency Band Envelope Kurtosis for Bearing fault diagnosis[J]. IEEE Transactions on Industrial Informatics, 2023, 19(3): 2856-2865.（SCI，中科院一區(qū)Top，IF：12.3）
[5]Hua Li, Tao Liu, Xing Wu, Qing Chen. Research on bearing fault feature extraction based on singular value decomposition and optimized frequency band entropy[J]. Mechanical Systems and Signal Processing, 2019, 118:477-502.（SCI，中科院一區(qū)Top，IF：8. 4，ESI高被引論文）
[6]Hua Li, Tao Liu, Xing Wu, Qing Chen. Application of EEMD and improved frequency band entropy in bearing fault feature extraction[J]. ISA Transactions, 2019, 88:170-185.（SCI，中科院二區(qū)Top，IF：7.3）
[7]Hua Li, Tao Liu, Xing Wu, Shaobo Li. Rotating Machinery Fault Diagnosis Based on Typical Resonance Demodulation Methods: A Review[J]. IEEE Sensors Journal, 2023, 23(7):6439-6459.（SCI，中科院二區(qū)Top，IF：4.3）
[8]Hua Li, Tao Liu, Xing Wu, Qing Chen. An Optimized VMD Method and Its Applications in Bearing Fault Diagnosis[J]. Measurement, 2020:108185.（SCI，中科院二區(qū)，IF：5.6）
[9]Hua Li, Tao Liu, Xing Wu, Shaobo Li. Research on Test Bench Bearing Fault Diagnosis of Improved EEMD Based on Improved Adaptive Resonance Technology[J]. Measurement, 2021, 109986. （SCI，中科院二區(qū)，IF：5.6）
[10]Hua Li, Xing Wu, Tao Liu, Shaobo Li. Composite fault diagnosis for rolling bearing based on parameter-optimized VMD[J]. Measurement, 2022, 201:111637.（SCI，中科院二區(qū)，IF：5.6）
[11]李華, 劉韜, 伍星, 李少波. 相關(guān)奇異值比的SVD在軸承故障診斷中的應(yīng)用[J]. 機(jī)械工程學(xué)報(bào), 2021, 57(21): 138-149。（EI源刊，一級(jí)學(xué)報(bào)，卓越行動(dòng)計(jì)劃梯隊(duì)期刊）
[12]李華, 伍星, 劉韜, 陳慶. 基于信息熵優(yōu)化變分模態(tài)分解的滾動(dòng)軸承故障特征提取[J]. 振動(dòng)與沖擊, 2018, 37(23): 219-225. （EI源刊，入選2021年領(lǐng)跑者5000-中國(guó)精品科技期刊頂尖學(xué)術(shù)論文）
[13]李華, 伍星, 劉韜, 陳慶. 變分模態(tài)分解和改進(jìn)的自適應(yīng)共振技術(shù)在軸承故障特征提取中的應(yīng)用[J]. 振動(dòng)工程學(xué)報(bào), 2018, 31(04): 718-726. （EI源刊，一級(jí)學(xué)報(bào)）
[14]李華, 劉韜, 伍星, 陳慶. EEMD和優(yōu)化的頻帶熵應(yīng)用于軸承故障特征提取[J]. 振動(dòng)工程學(xué)報(bào), 2020, 33(2): 414-423. （EI源刊，一級(jí)學(xué)報(bào)）
專利：
[1]劉韜, 李華, 伍星, 陳慶. 基于奇異值分解和優(yōu)化的頻帶熵提取軸承故障特征頻率的方法及其應(yīng)用（發(fā)明專利， 授權(quán)號(hào): CN 108801634 B）
[2]伍星, 李華, 劉韜, 陳慶. 一種信息熵優(yōu)化VMD提取軸承故障特征頻率的方法及其應(yīng)用（發(fā)明專利，授權(quán)號(hào): CN107832525B）