导师简介：

2023年加入南京航空航天大学管理科学与工程系。迄今为止，以第一作者在IISE Transactions(工业工程顶刊)、IEEE Transactions on Neural Network and Learning System(人工智能顶刊)、 ASME Transactions、CIRP Journal of Manufacturing Science and Technology、中国管理科学等期刊上发表高水平论文7篇，申请发明专利1项，软件著作权  1项，获得2021年国际运筹与管理科学数据挑战赛冠军（国内高校首次），主持和参与国家级、省市级自然科学基金5项，总计科研经费近400万元。

团队介绍：

科研团队目前共有成员7人，其中研究生3人，本科生4人。主要研究方向面向工程应用的大数据环境下的机器学习算法开发与优化等。具体开展的课题项目如下：

1.制造缺陷图像识别

2.制造过程在线质量监测与异常检测

3.考虑截断信号的航空发动机剩余寿命预测

科研成果：

[1] Gao Y., Wen Y., Wu J*. "A Neural Network-Based Joint Prognostic Model for Data Fusion and Remaining

 Useful Life Prediction". IEEE Transactions on Neural Network and Learning System, 2021 Jan;32(1):117-127.

 (人工智能顶刊，中科院一区，IF：14.45)

[2] Gao Y., Huang X., Wang C., and Wu J. * (July 20, 2021). "Estimating Size and Number Density of Three-D

imensional Particles Using Truncated Cross-Sectional Data." ASME Transactions, Journal of Manufacturing 

Science and Engineer. February 2022; 144(2): 021002. (领域权威期刊)

[3] Gao Y., Wang X., Son J., Yue X., Wu J.*, "Hierarchical Modeling of Microstructural Images for Porosity 

Prediction in Metal Additive Manufacturing via Two-point Correlation Function", IISE Transactions, 

DOI: 10.1080/24725854.2022.2115593. (ABS三星期刊 工业工程旗舰期刊)

[4] Gao Y., Huang X., Wu J.*, Tsui K., Zhou Q., "An Order Statistic Approach for Inference of the Size 

Distribution of 3D Particle Clusters in Metal Matrix Nanocomposites", CIRP Journal of Manufacturing 

Science and Technology, 2022 Mar, no. 38:204-214.

[5] Song Z., Wang X., Gao Y., Son J., Wu J.*, "A Hybrid Deep Generative Network for Pore Morphology 

Prediction in Metal Additive Manufacturing", ASME Transactions, Journal of Manufact. Science and

 Engineering. July 2023; 145(7): 071005.

[6] Xu R., Huang S., Song Z., Gao Y., Wu J.*, "A Deep Mixed-effects Modeling Approach for Real-time

 Monitoring of Metal Additive Manufacturing Process", IISE Transactions, 

DOI: 10.1080/24725854.2023.2192252. (Best Student Paper Award Finalist, 2022 INFORMS Cluster of 

Sustainability: Science, Engineering and Analytics). 

[7] 高园园，洪铦栋，陶宝平等. 复杂数据驱动下的质量检测、监测与运维技术研究综述[J]. 中国管理科学.

[8] 高园园，基于贝叶斯和神经网络的发动机剩余寿命在线预测方法, 发明专利，第一发明人，

授权号CN 110222371 B.

[9] 高园园，激光3D打印孔隙微观图像预测软件V1.0, 软件著作，第一发明人，登记号：

2020SR0985202.

项目经历：

[1] 在线质量监控与异常检测。国际运筹与管理科学数据挑战赛冠军，来自全球40多支队伍参赛，

我国高校首次获得冠军，获得北京大学官微宣传。面向金属3D打印制造过程实时异常监控问题，

基于多源时间序列过程信号，建立深度神经网络和残差分析联合算法，实现了在线异常检测智能化；

智能化异常检测算法实现了高检出(95%)、低误警(8%)、低延迟(3%)的优异性能；

[2] 航空发动机多源异构传感信号融合与寿命预测。参与国家自然基金重大项目，基金号：71690232。

针对航空发动机多源异构在线监测信号(Panel数据)，建立基于贝叶斯估计的深度神经网络联合预测模型，

实现信号筛选、动态特征提取、信号融合与实时剩余寿命的预测；

[3] 工艺参数优化与缺陷预测。面上基金项目主要参与人，基金号：51875003。独立搭建了一套

基于金属3D打印实验平台和数采系统，实验收集孔隙图像数据打包成为行业标准数据集存储于

HDF5，供同行研究者基于此实验平台和标准数据集继续深入研究；

[4] 金属3D打印孔隙质量检测。面上基金项目主要参与人，基金号：51875003。基于二维截面孔隙

图像数据通过统计建模与推断估计孔隙在三维空间中的尺寸分布数量密度与空间分布，采用了最大

似然估计与数值采样蒙特卡洛EM算法进行参数估计，精确度比已有方法提升15%。

[5] 面向金属增材制造的跨尺度质量建模与在线监测研究。主持国家自然科学基金-青年科学基金项目，

基金号：72401130。考虑到质量缺陷对制造过程热传导的影响，系统地提出跨尺度熔池温度建模

与在线质量监测的研究框架，从单层、多层以及整体产品的多制造尺度，实现制造缺陷异常检测。

[6] 基于熔池温度信号的金属增材制造跨尺度热传导及其质量控制研究。主持江苏省科技计划-基础

研究计划自然科学基金项目，基金号：BK20241397。从不同制造尺度出发，包括单层制造、多层制造、

整体产品制造，深入探究基于熔池温度信号建模的在线质量监测方法，实现对制造缺陷导致的热传导

异常状态的检测。

荣誉与奖励：

[1] 2021 国际运筹与管理科学数据挑战赛冠军（国际比赛，国内高校首次冠军）

[2] 2023 北京大学优秀毕业生

[3] 2020-2021 北京大学学术创新奖（5%）

[4] 2020-2021 北京大学苏州工业园区奖学金（5%）

[5] 2019-2020 国家奖学金（1.5%）

[6] 2017-2018 北京航空航天大学优秀毕业生（3%）

招生要求：

1.课题组以科研为导向，学术氛围浓厚，与国内外多个高校开展合作（新加坡国立大学、上海交大、华南理工等），课题方向关注学术前沿，为学生提供一对一指导，每周指导不少于一次，以发表高水平论文为导向。

2.个人品质：有科研热忱，团队协作与沟通能力；执行力强；数理基础扎实；代码能力扎实；英文读写水平较强。

3.请有意者发送本科成绩单与个人简历（包括个人基本情况、教育与科研经历、科研技能、科研成果、英语成绩等）至yuanyuan.gao@nuaa.edu.cn。邮箱标题：科研申请+姓名+毕业或在读院校。