“绿色制造理论基础与技术方法体系研究”，获湖北省自然科学二等奖（排名第4）；
“低碳制造环境下机械加工机床-车间能耗规律及调控”，获2018年教育部自然科学奖二等奖（排名第1）；
重庆市杰出青年科学基金获得者；
教育部青年长江学者
教师英文名称：Yan He
电子邮箱：
8ab72f2779942f6f8e476df056f0291f8f291154d3706d0e0dd9268dea3a0c4b7f67a1d1e26e0520d6e6e3325f717b210bc641a89d67ce69d62c0ba1c82d62d830a87c7351ba91901cd6d8a27330368ad86db41c646c05911f1ac96d88d7604c0ca372e31311ef49820e52bb2ff13b59d0626bb72497e9d312b62d521f2a0d57
所在单位：机械与运载工程学院
学历：博士研究生毕业
联系方式：[email protected]
学位：博士学位
在职信息：在职
毕业院校：重庆大学
所属院系：机械与运载工程学院
办公室电话：
a98a348d7fe0b11f8a774b088b0bdcdb0ad91e916c26794b5c6edf64da0ae623808a9d7d7c3a3bf7e5d7884d4e5e6a253f045ea0e520fc432d56bcfed5b2f9d3c670c50d2fe0fb01b6ba37098a44d3370e03dae271b3b60e7d6c7a6d545a8b681967fc4e4ab20cad744280d4ae29230b90d857fda6fc0911685756efbe83ce3d
移动电话：
910896eec31bfa9f3a960b99bf6e9402e90aa9e9896237385f6fdc3045b49948cbc519441c0af7f344f24e4183f474dc67ef370cace70e7a7a6964fc39ba27f1cec3df0f1ca32664b169ee53578c726efd59991080436fa8f3f002117a3b34116e7361625df27a889eaeb096e8f22a110dad24e64f67fbc8c2c8223eac126246
邮箱：
8ab72f2779942f6f8e476df056f0291f8f291154d3706d0e0dd9268dea3a0c4b7f67a1d1e26e0520d6e6e3325f717b210bc641a89d67ce69d62c0ba1c82d62d830a87c7351ba91901cd6d8a27330368ad86db41c646c05911f1ac96d88d7604c0ca372e31311ef49820e52bb2ff13b59d0626bb72497e9d312b62d521f2a0d57
联系邮箱：
[email protected]
重庆大学机械制造及其自动化专业博士，重庆大学教授、博士生导师；教育部青年长江学者，2022年入选机械工业科技创新领军人才，2020年获重庆市杰出青年基金，2015年入选重庆市青年拔尖人才。长期从事制造装备与智能化、绿色制造与清洁生产、工业大数据与人工智能等领域的研究。主持承担国家重点研发计划“制造基础技术与关键部件”重点专项、“高档数控机床与基础制造装备”国家科技重大专项课题、中国制造2025-智能制造专项课题、国家863计划、国家自然科学面上基金、重庆市杰出青年基金等项目20余项；在IEEE Transactions on Industrial Informatics，IEEE Transactions on Industrial Electronics，Applied Energy等具有国际影响力的学术期刊上发表SCI论文100余篇以及机械工程学报等国内权威期刊论文30余篇；授权国家发明专利15项，国际PCT专利1项；出版高水平专著2本，均获国家出版基金资助；为主制定国家标准/团体标准6项；牵头获2018年教育部自然科学奖二等奖（排名第1）。
现担任全国金属切削机床SAC/TC22国际标准化工作委员会委员、英国工程与自然科学研究理事会低碳制造联盟主创成员、Digital Twin国际期刊专家顾问委员、中国机械工程学会工业大数据与智能系统分会首届委员、中国机械工程学会极端制造分会首届委员、中国绿色供应链联盟专家咨询委员会专家；担任“高档数控机床与基础制造装备”国家科技重大专项、国家重点研发计划、国家自然科学基金委国际合作项目立项会评与验收评审专家；国家自然科学基金人才项目、教育部长江学者奖励计划、教育部科技奖励评审专家；重庆市智能制造专家组成员、重庆市基础科学研究十四五规划专家；IET-Collaborative Intelligent Manufacturing（英国工程技术学会）期刊首席客座编辑、Springer 旗下绿色制造重要国际期刊Journal of Remanufacturing编委、Elsevier旗下SCI国际期刊Precision Engineering评审编辑、国内核心期刊《制造业自动化》和《制造技术与机床》青年编委副主任委员。
主要研究方向
绿色低碳制造、
智能制造系统与无人产线、工业大数据与人工智能、高能效制造与清洁生产、机器视觉与智能识别
荣誉称号、社会兼职等
教育部青年长江学者、重庆市杰出青年基金获得者、重庆市青年拔尖人才。全国金属切削机床标准化技术委员会（
SAC/TC22
）国际标准化工作委员会委员、英国工程与自然科学研究理事会低碳制造联盟主创成员、中国机械工程学会工业大数据与智能系统分会第一届委员、中国机械工程学会极端制造分会首届委员、中国机械工程学会环境保护与绿色制造技术分会委员、中国绿色供应链联盟专家咨询委员会专家；担任教育部科学技术奖评审专家、“高档数控机床与基础制造装备”国家科技重大专项、国家重点研发计划、国家自然科学基金委国际合作项目立项会评与验收评审专家；重庆市智能制造专家组成员、重庆市基础科学研究十四五规划专家；
IET-Collaborative Intelligent Manufacturing
期刊首席客座编辑（英国工程技术学会）、
Springer
旗下绿色制造重要国际期刊
Journal of Remanufacturing
编委。
[1] 本科生课程 “机械电气控制及其自动化”
[2]
本科生课程 “
测控技术”
[3] 硕士生课程 “智能制造与绿色制造”
[4] 博士生课程 “制造系统工程”
主要研究经历及科研成果
主要从事智能系统与制造装备、绿色制造与清洁生产等方面的研究，发表国内外权威学术期刊SCI论文60余篇（单篇最高影响因子10.215），授权国家发明专利14项（其中国际PCT专利1件）；获国家出版基金资助高水平专著1本；为主制定国家标准/团体标准6项；牵头获2018年教育部自然科学奖二等奖。
研究成果学术他引1000余次，单篇论文最高他引248次；来自英国、美国、新西兰、意大利、日本等47
个国家300 多个研究机构的600 多名学者，并获得国际权威专家的多次正面引用评价和跟踪报道；他引论文发表在125 种国际期刊上《
Renewable & Sustainable Energy Reviews
》、《
Applied Energy
》等23种影响因子大于3的引用期刊。
成果应用于传动基础件、大型机床、航天装备、轨道交通产品等国家重点制造领域。
（1）
科研项目
承担国家重点研发计划
“
制造基础技术与关键部件
”
重点专项课题、
“
高档数控机床与基础制造装备
”
国家科技重大专项课题、国家自然科学基金项目、国家
863
计划课题、国家科技支撑计划、中国制造2025-绿色制造/智能制造项目等国家级项目20余项；
参研英国
Innovation UK
、英国工程与自然科学研究理事会（
EPSRC
）、国家自然基金委国际合作项目等国际合作项目
3
项。
近五年部分科研项目：
[1]
国家自然科学基金面上项目
—
工艺机理与监测数据混合驱动的轻质合金材料低碳加工性能协同优化调，
2021年；
[2]
重庆市自然科学基金杰出青年科学基金—机械加工高效低碳协同调控理论与方法，2020年；
[3] 国家重点研发计划“制造基础技术与关键部件”重点专项课题，基础制造工艺资源环境负荷数据采集评价及数据库平台建设，2019年；
[4] 国家自然科学基金项目国际（地区）合作研究项目，面向低碳制造的激光加工工艺及系统优化基础理论与关键技术，2019
；
[5] "
高档数控机床与基础制造装备"国家科技重大专项课题
，乘用车变速器总成高效加工与装配柔性生产线示范工程，2018;
[6] “高档数控机床与基础制造装备”国家科技重大专项课题，滚珠丝杠副高效生产线关键技术研究与应用，2017年；
[7] 中国制造2025专项—绿色制造系统集成项目课题，航天结构件制造全流程绿色关键工艺创新与集成应用，2017年；
[
8] 中国制造2025专项—绿色制造系统集成项目课题，基于全生命周期的大型冲压装备绿色设计平台建设与应用，2017年；
（2）公开发表论文（
代表作）（10项）
[1] Pengcheng Wu;
He Yan*
; Yufeng Li; Yulin Wang; Shilong Wang
；
Online prediction of cutting temperature using self-adaptive local learning and dynamic CNN. IEEE Transactions on Industrial Informatics, 2022.
（中科院
1
区）
[2]
He Y
, Tian X , Li Y ,et al.Modeling and analyses of energy consumption for machining features with flexible machining configurations[J].Journal of Manufacturing Systems, 2022(62-):62.
（
中科院
1
区
）
[3]
Y. Li, X. Wang,
Y. He
, Y. Wang, Y. Wang and S. Wang, "Deep Spatial-Temporal Feature Extraction and Lightweight Feature Fusion for Tool Condition Monitoring," in IEEE Transactions on Industrial Electronics, doi: 10.1109/TIE.2021.3102443.
（
中科院
1
区）
[4]
He Y,
Zhang W, Li Y F, et al. An Approach for Surface Roughness Measurement of Helical Gears Based on Image Segmentation of Region of Interest. Measurement, 2021: 109905.
（中科院
1
区）
[5]
Y He
, Wu P , Y Li, et al. A generic energy prediction model of machine tools using deep learning algorithms. Applied Energy, 2020, 275:115402.
（中科院
1
区）
[6] Wang LX,
He Y
*, Wang YL*, Li YF, Wang SH, Wang Y. Analytical modeling of material removal mechanism in dry whirling milling process considering geometry, kinematics and mechanics. International Journal of Mechanical Sciences, 2020, 172: 105419.
（
中科院
1
区
）
[7] Li Y,
He Y
*, Wang Y, et al. A modeling method for hybrid energy behaviors in flexible machining systems. Energy, 2015, 86: 164-174.
（
中科院
1
区
）
[8]
He Y
*, Wu T, Zhang C, et al. An improved MIP heuristic for the intermodal hub location problem. Omega, 2015, 57: 203-211.
（
中科院
1
区
）
[9]
何彦
,刘超,李育锋,王乐祥,王禹林.基于时变热源的丝杠旋风铣削瞬态温度建模方法研究[
J].
机械工程学报
, 2018,54 (15): 180-190.
[10]
何彦
, 王乐祥, 李育锋, 等. 一种面向机械车间柔性工艺路线的加工任务节能调度方法
[J].
机械工程学报
, 2016, 52(19): 168-179.
