姓名:梁睿君 | 性别:女 | 职务: | |
职称:副教授 | 博导/硕导:硕导 | 办公室:17-425 | |
研究领域:智能检测与控制、试验数字孪生、故障诊断与健康监测 | |||
电话: | Email:lruijun@nuaa.edu.cn |
个人简介:
梁睿君,博士,南京航空航天大学副教授。中国机械工程学会会员,全国研究生教育评估监测专家库专家。2002年获硕士生导师资格,2011-2012受国家公派(CSC)资助在普渡大学访学。主要研究方向是智能检测与控制、试验数字孪生、故障诊断与健康监测。承担国家科技重大专项、装备预研专项、国家自然科学基金、省重点研发计划、、省基础研究重点项目、两机重大专项、国防基础科研计划、省科技成果转化等多项科研项目。
教育背景:
2001.10—2007.9 博士 南京航空航天大学
1997.9—2000.4 硕士 南京航空航天大学
1993.9—1997.7 学士 南京航空航天大学
学术成果:
发表50多篇学术论文,授权20多项发明专利,登记10多项软件著作权,编写2部教材(《机械制造工艺与装备》、《工程软件开发技术基础》)。
主要代表作(近三年):
[1]Ruijun Liang, et al. Rapid motion planning of manipulator in three-dimensional space under multiple scenes, Proceedings of the Institution of Mechanical Engineers, Part C Journal of Mechanical Engineering Science, 2024, 238(24)
[2]Ruijun Liang, et al. Fault diagnosis method for rotating machinery based on multi-scale features. Chinese Journal of Mechanical Engineering. 2023
[3]Ruijun Liang, et al. Optimization method for gear heat treatment process oriented to deformation and surface collaborative control. Journal of Materials Engineering and Performance. 2023
[4]Ruijun Liang, et al. A novel fault diagnosis method based on the KELM optimized by whale optimization algorithm. Machines. 2022, 10(2)
[5]Liang Ruijun, et al. A novel image-based method for wear measurement of circumferential cutting edges of end mills. International Journal of Advanced Manufacturing Technology. 2022, 120(11-12)
[6]一种抗强噪声干扰的机械设备健康状态监测方法和装置,发明专利(授权)
[7]锂电池机器人拆解控制方法及其系统,发明专利(授权)
[8]电池单体机器人拆解机械装置及其操作方法,发明专利(授权)
[9]一种机械设备故障诊断方法、装置及存储介质,发明专利(授权)
[10]一种自适应装夹异构件的机构,发明专利(授权)
[11]一种用于高速电主轴力学参数测试的电磁加载装置及方法,发明专利(授权)
[12]一种基于金属橡胶的垂向叠加式三级减振器,发明专利(授权)
[13]齿轮箱故障在线诊断系统V2.0,软件著作权
[14]锂电池模组紧固件视觉识别系统软件,软件著作权
[15]锂电池智能拆解转台控制软件,软件著作权
[16]传动系统试验数据分析与管理软件,软件著作权
[17]传动系统数字化试验软件,软件著作权
讲授课程:
《机械制造工艺与装备》,《智能制造工艺与装备》,《数据采集与控制》
承担项目(近三年):
[1]国家科技重大专项任务,五轴机床精度保持性及可靠性技术研究
[2]装备预研专项,传动系统试验数据数字化资源建立与分析技术研究
[3]装备预研专项,传动系统数字样机试验方法研究
[4]装备预研专项,**润滑(摩擦)状态评估技术研究
[5]江苏省基础研究重点项目,工业母机核心部件高可靠智能控制方法研究
[6]江苏省重点研发计划,面向梯次利用的废旧动力锂电池模组机器人无损拆解关键技术
[7]江苏省重点研发计划,异构退役动力锂电池单体机器人智能拆解关键技术
[8]江苏省工业和信息产业转型升级专项,重大工矿设备智能故障预测与健康管理系统
指导研究生情况:
每年指导硕士研究生2-3名。