• Gender:Male
• Education Level:Graduate student graduate
• Alma Mater:重庆大学
• Degree:Doctorate
• Status:在岗
• School/Department:学院领导
• Date of Employment:2011-01-15
• Administrative Position:浙江师范大学行知学院副院长、党委委员
• E-Mail:4ba764d1733163b2005367c340453c9520ca3b154165f4da3254303befbab08a10aab609cea7fd37e19d58be73e1b7f7a022bc2c8b7a34f17d418965612ad3b96811f5d7c0c09eaf4f530b6315717cfae36786fc1de8b07946ee781a3112f7b32e19c6fa4781e3507b0b8969894f9ff8892e37ec8b8e74649588452cd08df9ff

• ZipCode:3ed239ef7a981ed831529198a88ebc041ff651c73e8882c098dfbf4d078072598d15988829c7bfbd59c29618c8e9eaa68d7f57b06cb242834a03cbd3652114b1118cf7a93deb25b8fd2820fb6c7ef531960280fb11ee4cd66da138bbc81c39f59b343a53de20c0d40fe4517e5ca52b007d50987d7ab2e02a563bca9380da14d3
• PostalAddress:60065a3414dee1bbdcca289df296bd378a95cdf12f35f4eaf26249b26926acc76157ba550f4a8f71faac1469a446ca68e32e2e4007cfb9b496b5af14786708d00649c6088285476d3bae5794e2b5eb313fe9148de741f3f805b3a278147c395ebfaa2729fce4d9db2f45ecafc62f409d266b3d77f6a2397432099884549cf816
• email:4ba764d1733163b2005367c340453c9520ca3b154165f4da3254303befbab08a10aab609cea7fd37e19d58be73e1b7f7a022bc2c8b7a34f17d418965612ad3b96811f5d7c0c09eaf4f530b6315717cfae36786fc1de8b07946ee781a3112f7b32e19c6fa4781e3507b0b8969894f9ff8892e37ec8b8e74649588452cd08df9ff

蒋永华，浙江诸暨人，重庆大学博士，浙江大学博士后，加拿大多伦多大学访问学者。现为浙江师范大学教授、硕士生导师、浙江师范大学行知学院副院长。入选浙江省“151”人才工程、金华市“321”人才工程、兰溪市拔尖人才。全国高校机械工程测试技术研究会与中国振动工程学会动态测试专业委员会理事，中国振动工程学会会员，中国机械工业教育协会机器人工程专业教学委员会委员，浙江省高等教育学会智能教育分会常务理事，浙江省经营管理研究会常务理事兼产教融合专业委员会副主任，浙江省高校智能制造工程专业联盟理事。主要从事装备智能诊断与维护、人工智能与模式识别、新型传感与检测技术（含软件系统研制）、压电驱动与控制、汽车NVH技术等领域研究工作。近年来，主持国家自然科学青年基金、浙江省自然科学基金、浙江省博士后基金、企业横向课题等项目。作为主研人员完成国家863计划、国家自然科学基金、霍英东教育基金、博士点基金、国家重点实验室开放基金、浙江省自然科学基金、浙江省公益基金项目等课题十余项。目前，正主研国家自然科学基金面上项目、浙江省自然科学基金一般项目等项目。发表学术论文70余篇，其中SCI检索35篇，EI检索66篇。授权发明专利45项、实用新型专利22项。主持省一流课程一门，主编教材2部。现担任境外SCI期刊《Measurement》、《Measurement Science and Technology》、《Journal of Renewable and Sustainable Energy》、《Neural Computing and Applications》、《IEEE Access》、国内EI期刊《仪器仪表学报》、《振动与冲击》审稿人，国家自然科学基金函评专家、教育部学位中心评审专家、教育部职业教育国家级教学成果奖评审专家。欢迎勤奋好学，专业和英语基础扎实的同学报考硕士研究生，同时也欢迎本科生加入实验室。学术论文选列：[1] A method for bearing fault diagnosis of unbalanced samples under strong noise conditions. Advanced Engineering Informatics, 2025, 10(64): 103004.[2] Cross-Conditions Fault Diagnosis of Rolling Bearings Based on Dual Domain Adversarial Network, IEEE Transactions on Instrumentation and Measurement, 2023, 72: 3533915.[3] Cross-Conditions Fault Diagnosis of Rolling Bearing Based on Transitional Domain Adversarial Network, IEEE Sensors Journal, 2025, 25(1): 1978-1993.[4] LSTM-based Node-Gated Graph Neural Network for Cross-condition Few-shot Bearing Fault Diagnosis, IEEE Sensors Journal, 2024, 1: 3343757.[5] Recursive prototypical network with coordinate attention: A model for few-shot cross-condition bearing fault diagnosis. Applied Acoustics, 2024, 231: 1-16.[6] A discriminator-free adversarial network for bearing fault diagnosis under unseen operating conditions. Applied Acoustics, 2025, 240: 1-11.[7] A novel rolling bearing defect detection method based on bispectrum analysis and cloud model-improved EEMD, IEEE Access, 2020, 8(1): 24323-24333.[8] Feature extraction method of wind turbine based on adaptive Morlet wavelet and SVD, Renewable Energy, 2011, 36(8): 2146-2153.[9] Deep learning in industrial machinery: A critical review of bearing fault classification methods. Applied Soft Computing, 2025, 171:112785.[10] Hunting frequency variation mechanism and its effect on carbody hunting stability for railway vehicles. Acta Mechanica Sinica, 2023, 39(8):523046.[11] A novel measuring system for high-speed railway vehicles hunting monitoring able to predict wheelset motion and wheel/rail contact characteristics. Vehicle System Dynamics, 2023, 61(6): 1621-1643.[12] SPRout-DBN: a cross domain bearing fault diagnosis method based on spatial pyramid pooling residual network-DBN, Measurement Science and Technology, 2024, 35(12): 1-15.[13] MSTKernel Net: a rolling bearing intelligent diagnosis framework based on short-time time-frequency convolution, Measurement Science and Technology, 2024, 35(11): 1-12.[14] Adaptive Deeping Siamese Residual Network: A Novel Model for Few-Shot Bearing Fault Diagnosis, Machines, 2025, 13(3): 1-22.[15] Adaptive Dynamic Threshold Graph Neural Network: A Novel Deep Learning Framework for Cross-Condition Bearing Fault Diagnosis, Machines, 2023, 12(1): 1-18.[16] Multi-scale sample entropy-based energy moment features applied to fault classification, IEEE Access, 2021, 9(1): 8444-8454.[17] Efficient Fault Detection of Rotor Minor Inter-Turn Short Circuit in Induction Machines Using Wavelet Transform and Empirical Mode Decomposition, Sensors, 2023, 23(16): 7109.[18] A Novel Rolling Bearing Fault Diagnosis Method Based on MFO-Optimized VMD and DE-OSELM, Applied Sciences-Basel, 2023, 13(13): 1-19. [19] An improved method for signal de-noising based on multi-level local mean decomposition. Engineering Reports. 2023;e12677. doi: 10.1002/eng2.12677.[20] The maximum eigenvalue of the brain functional network adjacency matrix: meaning and application in mental fatigue evaluation, Brain Sciences, 2020, 10(2): 1-11. [21] Mental Fatigue Has Great Impact on the Fractal Dimension of Brain Functional Network, Neural Plasticity, 2020, 2020: 1-11.[22] Effects of mental fatigue on small-world brain functional network organization, Neural Plasticity, 2019, 2019: 1-10.[23] Machine fault diagnosis based on reassigned wavelet scalogram and SVD, International Journal of Advancements in Computing Technology, 2012, 4(20): 10-21.[24] Study on modal parameters identification based on stratified sampling and complex Morlet wavelet transform, Advanced Materials Research, 2011, 305: 428-433. [25] Status and problems of wind turbine structural health monitoring techniques in China , Renewable Energy, 2010, 35(7): 1414-1418. [26] A novel wind turbine weak feature extraction method based on Cross Genetic Algorithm optimal MHW, Measurement, 2017,109: 242-246. [27] A new method for automatically modelling brain functional networks, Biomedical Signal Processing and Control, 2018, 45: 70-79.[28] 应用自适应带宽信号的BS-EMD混叠消除, 振动与冲击, 2018, 37(16): 83-90.[29] 应用EMD和双谱分析的故障特征提取方法, 振动、测试与诊断, 2017, 37(2): 338-342.[30] 基于NGA优化SVM的滚动轴承故障诊断, 仪器仪表学报, 2013, 34(12): 2684-2689. [31] 应用自适应Morlet小波和NGA优化SVM的轴承故障诊断, 振动、测试与诊断, 2013, 33(5): 751-755. [32] 基于参数优化Morlet小波变换的故障特征提取方法, 仪器仪表学报, 2010, 31(1): 56-60.[33] 自适应Morlet小波降噪方法及在轴承故障特征提取中的应用, 仪器仪表学报, 2010, 31(12): 2712-2717. [34] 应用最优重分配小波尺度谱的小波脊线提取, 振动、测试与诊断, 2012, 32(1): 62-67. [35] 基于重分配魏格纳时频谱和SVD的故障诊断方法, 振动、测试与诊断, 2012, 32(2): 301-305. [36] 基于形态奇异值分解和经验模态分解的滚动轴承故障特征提取方法, 机械工程学报, 2010, 46(5): 37-42.[37] 重分配小波尺度谱的时频分布优化方法研究, 仪器仪表学报, 2010, 31(6): 1330-1334. [38] 空间任意斜裂纹引起的转子刚度变化机理研究, 振动工程学报, 2018, 31(3): 490-499. [39] 面向多故障诊断的分层架构及其实现, 仪器仪表学报, 2017, 39(1): 8-14.[40] 一种旋转机械系统耦合故障诊断的新方法, 仪器仪表学报, 2016, 37(7): 1449-1456. [41] 基于经验模态分解的改进乘性噪声去除方法, 机械工程学报, 2015, 51(24): 1-8.[42] 任意斜裂纹转子的耦合振动研究, 力学学报, 2020, 52(2): 533-543. [43] 基于交叉验证法优化参数的Morlet小波消噪方法, 重庆大学学报, 2010, 33(1): 1-6. [44] 一种自适应小波消噪方法的研究, 振动、测试与诊断, 2011, 31(1): 74-77.[45] 离心风机振动噪声及压力脉动实验研究, 中国机械工程, 2019, 30(10): 1188-1194. [46] Algebraic and dynamic analysis on the modified swarm optimizers, Proceedings of 2017 International Conference on Machine Learning and Soft Computing (ICMLSC), 2017, 1: 63-68. [47] Early-stage monitoring on faults of rolling bearings based on fractal feature extraction, Proceedings of the 2017 IEEE 2nd Information Technology, Networking, Electronic and Automation Control Conference(ITNEC), 2017, 7: 173-178.[48] Early-stage monitoring and diagnosis on faults of rolling bearings based on fractal feature extraction, 2017 9th International Conference on Modelling, Identification and Control (ICMIC), 2017, 7: 583-588.[49] Fault diagnosis of gearboxes using feature extraction in time domain. 2017 9th International Conference on Modelling, Identification and Control (ICMIC), 2017, 7: 573-577. 授权专利选列：[1] 一种悬垂自激式风力发电机监测系统用供电装置, 2023.06, 中国, ZL201710728280.1, 排名：1/3. (发明)[2] 一种自供电的桥梁检测装置, 2023.06, 中国, ZL202111416767.9, 排名：1/8. (发明)[3] 一种流体压电俘能, 2023.06, 中国, ZL201710728225.2, 排名：1/3. (发明)[4] 一种宽带悬垂俘能, 2023.06, 中国, ZL201710728279.9, 排名：1/3. (发明)[5] 一种船载定位跟踪系统用自供电装置, 2023.05, 中国, ZL201710728277.X, 排名：1/3. (发明)[6] 一种径向拉压激励的旋转压电发电机, 2023.05, 中国, ZL201710728276.5, 排名：1/3. (发明)[7] 一种风力发电机叶片监测系统用自供电电源, 2023.03, 中国, ZL201710728371.5, 排名：1/3. (发明)[8] 一种自供电车辆跟踪与撞击报警装置, 2022.12, 中国, ZL201910455762.3, 排名：1/8. (发明)[9] 一种智能型摆腿器, 2022.11, 中国, ZL202111416772.X, 排名：1/8. (发明)[10] 一种变速箱状态监测系统, 2022.08, 中国, ZL202110152638.7, 排名：1/8. (发明)[11] 一种自供电扭矩监测装置, 2022.08, 中国, ZL202110152647.6, 排名：1/8. (发明)[12] 一种发电与监测一体的圆柱滚子轴承, 2022.03, 中国, ZL202011274369.3, 排名：1/8. (发明) [13] 一种压电式隧道气流发电机, 2022.02, 中国, ZL201910455601.4, 排名：1/7. (发明) [14] 一种寄生式旋转压电俘能器, 2022.02, 中国, ZL202011274365.5, 排名：1/8. (发明) [15] 一种自供电河流监测装置, 2021.10, 中国, ZL202011274377.8, 排名：1/8. (发明) [16] 一种两用压电发电机, 2021.10, 中国, ZL201910459659.6, 排名：1/8. (发明)[17] 一种涡轮式压电发电机, 2021.10, 中国, ZL201910455765.7, 排名：1/8. (发明) [18] 一种悬垂式旋转发电机, 2021.10, 中国, ZL202011274376.3, 排名：1/8. (发明)[19] 一种流致回转式压电发电机, 2021.10, 中国, ZL201910455763.8, 排名：1/8. (发明) [20] 一种多级流体混合器, 2021.03, 中国, ZL201910191937.4, 排名：1/6. (发明) [21] 一种便携式输液器, 2021.02, 中国, ZL201910191976.4, 排名：1/6. (发明)[22] 一种压电堆驱动的注射系统, 2021.02, 中国, ZL201910191940.6, 排名：1/6. (发明)[23] 一种压电片驱动的药品推注器, 2021.02, 中国, ZL201910191939.3, 排名：1/6. (发明)[24] 一种双振子驱动的自激泵, 2020.08, 中国, ZL 201910191704.4, 排名：1/6. (发明)[25] 一种累积压缩式微型空压机, 2020.06, 中国, ZL 201910191212.5, 排名：1/7. (发明)[26] 一种自供气气缸, 2020.06, 中国, ZL 201910191326.X, 排名：1/8. (发明)[27] 一种可调频磁励旋转压电发电机, 2020.06, 中国, ZL 201910120822.6, 排名：1/9. (发明)[28] 自驱式气动装置, 2020.06, 中国, ZL 201910191702.5, 排名：1/6. (发明)[29] 一种气缸, 2020.05, 中国, ZL 201910191938.9, 排名：1/6. (发明)[30] 一种阵列式微型气体压缩机, 2020.05, 中国, ZL 201910187866.0, 排名：1/7. (发明) [31] 一种自供电压电开关, 2020.05, 中国, ZL 201710728222.9, 排名：1/5. (发明) [32] 一种变频式旋磁激励压电发电机, 2020.04, 中国, ZL 201910118720.0, 排名：1/8. (发明)[33] 一种变频式磁励旋转压电发电机, 2020.04, 中国, ZL 201910120821.1, 排名：1/9. (发明) [34] 一种管道流流速监测仪, 2020.03, 中国, ZL 201610459485.X, 排名：1/6. (发明)[35] 一种船载自供电定位跟踪装置, 2018.12, 中国, ZL 201710728278.4, 排名：1/3. (发明)[36] 一种管道流状态监测装置, 2018.05, 中国, ZL 201610459670.9, 排名：1/5. (发明)[37] 一种用于风电齿轮箱监测系统供电的圆形压电振子发电机, 2018.03, 中国, ZL 201610459782.4, 排名：1/4. (发明)[38] 一种基于压电叠堆的河流监测装置, 2018.03, 中国, ZL 201610459748.7, 排名：1/4. (发明)[39] 一种用于风电齿轮箱监测系统供电的压电梁俘能器, 2017.10, 中国, ZL 201610459783.9, 排名：1/5. (发明)[40] 一种基于夹持限位的轴端悬垂式压电梁发动机, 2015.06, 中国, ZL 201310213605.4, 排名：1/6. (发明)[41] 一种轴端悬垂式压电悬臂梁发电机, 2015.06, 中国, ZL201310215431.5, 排名：1/6. (发明)[42] 一种径向拉压激励的旋转压电发电机, 2018.03, 中国, ZL201721065148.9, 排名：1/3. (实用新型)[43] 一种船载自供电定位跟踪装置, 2018.03, 中国, ZL201721065150.6, 排名：1/3. (实用新型)[44] 一种船载定位跟踪系统用自供电装置, 2018.03, 中国, ZL201721065149.3, 排名：1/3. (实用新型)[45] 一种管道流状态监测装置, 2016.12, 中国, ZL201620625278.2, 排名：1/5. (实用新型)[46] 一种用于风电齿轮箱监测系统供电的压电梁俘能器, 2016.12, 中国, ZL201620625277.8, 排名：1/5. (实用新型)[47] 一种用于风电齿轮箱监测系统供电的圆形压电振子发电机, 2016.12, 中国, ZL201620625872.1, 排名：1/4. (实用新型)[48] 一种基于压电叠堆的河流监测装置, 2016.06, 中国, ZL201620625279.7, 排名：1/4. (实用新型)[49] 一种用于汽车排气管噪音检测的传感器支架, 2015.02, 中国, ZL201420531686.2, 排名：1/7. (实用新型)[50] 一种用于检测汽车排气管NVH指标的传感器支架, 2015.01, 中国, ZL201420531708.5, 排名：1/6. (实用新型)[51] 一种用于检测NVH指标的传感器支架, 2014.06, 中国, ZL201320880756.0, 排名：1/5. (实用新型)[52] 一种用于车内噪音检测的声压传感器支架, 2013.10, 中国, ZL201320277028.0, 排名：1/6. (实用新型)代表性科研项目：[1] 国家自然科学基金青年基金项目“基于流形学习的机械设备早期故障诊断理论与关键技术研究”（主持）[2] 浙江省自然科学基金项目“压电脉冲发电/供电理论及其无电池遥控器系统研究”（主持）[3] 浙江省博士后科研项目择优资助项目“乘用车NVH特性分析与控制关键技术研究”（主持）[4] 重大企业横向项目“剑杆纺织机状态监测与故障诊断系统研制”（主持）[5] 企业横向项目“粮油智能货架仓储系统开发”（主持）[6] 国家自然科学基金面上项目“基于组合换能器的磁力耦合辅助激励式压电振动发电机研究”（第二）[7] 国家自然科学基金面上项目“基于多场耦合轴向激励的旋转式压电发电机研究”（第三）[8] 国家自然科学基金青年基金项目“压电流体惯性驱动器的基础理论及关键技术研究”（第三）[9] 浙江省自然科学基金项目“风致旋磁激励Rainbow型压电振子发的多场耦合机理研究”（第二）[10] 浙江省自然科学基金项目“离心泵内部流动诱发水动噪声及结构振动噪声的机理研究”（第二）[11] 浙江省公益基金项目“汽车液力机械式自动变速器动态工作性能测试技术与系统的研发”（第三）[12] 浙江省自然学科基金一般项目“基于涡激振动间接激励压电振子式河流俘能的多场耦合机理研究”（第三）代表性教研项目：[1] 浙江省普通本科高校“十四五”首批四新重点教材建设项目“机电传动控制技术”（主持）[2] 浙江省课程思政教学研究项目“应用型本科高校课程思政评价体系建设研究”（主持）[3] 教育部产学合作协同育人项目“智能制造课程体系构建与数字化工厂实践教学中心探索”（主持）[4] 教育部产学合作协同育人项目“工业互联网数字工厂综合实践教学中心”（主持）[5] 教育部产学合作协同育人项目“智能制造背景下工业机器人师资培训”（主持）[6] 教育部产学合作协同育人项目“实践基地使用效率指数研究”（主持）[7] 教育部产学合作协同育人项目“基于互联网+综合实践平台构建实践教学新形态”（主持）[8] 教育部产学合作协同育人项目“工业机器人方向课程体系与教学内容改革与实践”（主持）[9] 浙江省高等教育教学改革研究项目““基于互联网+”校企合作的实践教育质量体系研究与实践”（主持）[10] 浙江省“十三五”省级大学生校外实践教育基地“浙江师范大学行知学院—亚龙智能装备集团智能制造工程实践教育中心”（主持）

No content