[1] 1999.07 -- 2005.03
大连理工大学     工程力学     博士

[2] 1993.07 -- 1997.07
大连理工大学     工程力学     学士

• 主要从事船舶与海洋工程结构安全评估、智能监测与数字孪生方法研究。以海洋工程结构数字孪生与智能运维为主线，围绕复杂海洋结构在长期服役过程中的状态预测、健康感知和安全评估问题，开展物理机制、数值仿真、现场监测数据与智能算法融合研究。研究工作关注复杂工程系统中“模型—数据—算法”的协同建模问题，重点发展面向仿真—实测域差异、数据稀缺、工况变化和不确定性条件下的智能预测、跨域迁移、物理信息学习和状态感知方法。

  近年来，重点面向船体结构、加筋板结构、移动式海洋平台和导管架平台等典型船舶与海洋工程结构，研究海洋环境载荷与结构响应智能反演、仿真—实测融合的跨域预测、复杂结构多损伤识别、数字孪生状态感知，以及腐蚀损伤演化规律和腐蚀后结构剩余极限承载能力评估方法。相关研究旨在突破传统经验模型、单一数值模拟和纯数据驱动方法在复杂海洋环境、数据稀缺、模型不确定和工程可解释性方面的局限，形成具有物理一致性、数据适应性和工程泛化能力的海洋工程结构智能评估与预测方法，为海洋工程结构全寿命安全评估、智能运维和风险预警提供理论方法与技术支撑。

  
  

  研究方向1：物理驱动的海洋工程结构载荷反演与响应跨域预测

  面向海洋工程结构外载荷难以直接测量、关键部位响应监测有限以及有限元仿真与现场实测数据存在域差异等问题，开展物理驱动深度学习、结构动力学反演、仿真—实测融合建模和跨域迁移预测方法研究。通过引入结构动力学方程约束、相空间重构、时间序列图像化表达、多模态特征融合、信息熵度量、域适应和零样本学习等方法，实现由局部监测信息向非测点结构响应和全结构状态的快速推断。该方向重点解决“仿真数据丰富但实测数据稀缺、测点布设有限但全结构状态需要感知”的工程矛盾，服务于导管架平台等复杂海洋结构的数字孪生在线推演、结构健康监测和风险预警。

  [1] Innovative load identification with Res-UNet: Integrating phase space reconstruction and physics-informed deep learning，Ocean Engineering，2024（中科院二区 TOP，工程技术大类）

  [2] Enhanced Structural-Load Forecasting: Fusion of Image Analysis and Time Series with Physics-Driven Deep Learning Models，Journal of Sound and Vibration，2025（新锐二区 TOP，工程技术大类）

  [3] Cross-domain prediction method for structural response of jacket platforms integrating dual-path modeling and multi-domain adaptation，Mechanical Systems and Signal Processing，2026（中科院一区 TOP，工程技术大类）

  [4] Zero-shot prediction method for offshore platforms driven by multimodal feature fusion and information entropy measurement，Engineering Applications of Artificial Intelligence，2026（中科院一区 TOP，计算机科学大类）

  [5] Physics-informed graph neural networks for sim-to-real structural response prediction，Advanced Engineering Informatics，2026（中科院一区 TOP，工程技术大类）

  

  
  

  研究方向2：复杂海洋结构损伤识别与数字孪生状态感知

  面向大型海洋结构多位置、多等级、多类型损伤共存条件下的健康状态识别问题，开展结构损伤识别、跨域状态感知和数字孪生诊断方法研究。该方向重点关注由结构响应数据到损伤状态标签的智能映射问题，针对传统损伤识别方法难以处理多损伤耦合、弱损伤信号、仿真—实测域差异和标签相关性不足等问题，研究多标签学习、多阶段分类、残差卷积、注意力机制、标签相关图神经网络和跨域自适应学习方法，实现损伤数量、损伤位置和损伤程度的协同识别。进一步结合数字孪生技术，探索由仿真模型、试验数据和现场监测数据共同驱动的结构状态感知框架，提高模型在不同结构、不同工况和不同数据域之间的泛化能力。该方向旨在推动结构损伤识别由单一损伤、单一标签和单一数据域向复杂损伤组合、跨域迁移和数字孪生状态感知发展，为海洋工程结构智能监测、健康诊断和风险预警提供支撑。

  [1] Research on digital twin method for structural damage identification using cross-domain awareness technology，Advanced Engineering Informatics，2025（中科院一区 TOP，工程技术大类）

  [2] A multi-label and multi-stage damage identification method for complex structures，Ocean Engineering，2026（中科院二区 TOP，工程技术大类）

  

  
  

  研究方向3：海洋结构腐蚀退化建模与剩余承载能力评估

  围绕船舶与海洋平台结构长期服役过程中的腐蚀退化和承载能力衰减问题，开展腐蚀损伤表征、腐蚀时变规律建模、腐蚀后结构极限强度评估及不确定性分析研究。针对船体板、加筋板和移动式海洋平台局部结构，研究点蚀、非均匀腐蚀和一般腐蚀对结构极限承载能力、屈曲失效模式和剩余强度的影响，建立考虑腐蚀体积、腐蚀位置、结构柔度、失效模式和腐蚀形貌不规则性的极限强度评估方法。进一步引入分形理论、多重分形参数、概率统计模型、反向扩散模型和贝叶斯推断方法，构建面向实测腐蚀数据不确定性的时变腐蚀预测模型，实现从腐蚀检测数据到腐蚀演化规律、再到结构剩余承载能力评估的关联分析。该方向通过将腐蚀检测数据、概率退化模型和结构承载能力分析相结合，为海洋工程结构数字孪生中的长期退化状态更新、剩余寿命评估和维修决策提供基础支撑。

  [1] 含腐蚀损伤加筋板结构极限强度评估方法，华中科技大学学报（自然科学版），2021

  [2] Ultimate strength assessment of hull structural plates with general corrosion based on fractal theory，Ocean Engineering，2022（中科院二区 TOP，工程技术大类）

  [3] A Study on the Ultimate Strength and Failure Mode of Stiffened Panels，Journal of Marine Science and Engineering，2023

  [4] A time-dependent corrosion wastage model for the partial structure of mobile offshore platforms，Ships and Offshore Structures，2024

  [5] A probabilistic time-dependent corrosion wastage model for offshore platforms based on reverse diffusion model，Ocean Engineering，2024（中科院二区 TOP，工程技术大类）

  [6] Probabilistic time-dependent corrosion wastage model for offshore platforms using stepwise Bayesian inference，Ocean Engineering，2025（中科院二区 TOP，工程技术大类）

  

  
  

  招生方向与学生背景

  欢迎船舶与海洋工程、工程力学、控制科学与工程、人工智能、数据科学等相关专业背景的学生报考。研究生阶段可围绕海洋工程结构数字孪生、结构健康监测、物理信息深度学习、跨域迁移学习、图神经网络、多模态数据融合、结构响应预测、载荷识别、损伤识别和腐蚀退化评估等方向开展研究。课题组研究既需要船舶与海洋工程、工程力学等专业学生开展结构建模、数值仿真和工程机理分析，也欢迎自动化、人工智能等专业学生围绕算法建模、数据融合、智能预测和软件实现开展交叉研究。