彭一真，男，博士，重庆大学机械与运载工程学院副教授、硕士生导师。主要面向大型无人机、兆瓦级风力发电机、城轨车辆等高端装备，从事数字孪生驱动的智能运维技术、基于深度学习和统计学习的寿命预测方法、机械系统信号处理与监测诊断技术等方面的研究，以项目负责人身份承担了纵向科研项目6项，其中包括“科技部重点研发计划子课题”和“国家自然科学基金青年基金项目”等国家级项目2项，“中国博士后基金面上项目”和“重庆市自然科学基金面上项目”等省部级项目2项。此外，作为主要参与人员，参与纵向科研项目10余项。在上述课题支撑下，发表论文20余篇，其中中科院1区Top期刊9篇，最高影响因子为12.3。本人论文单篇最高引用次数超300次，总引用超500次。当前，其已被成功应用于华为技术有限公司等头部企业与研究所中。在此基础上，本人获得了2022年中国振动工程学会科学技术奖二等奖。

联系邮箱：pengyz@cqu.edu.cn

办公地点：重庆大学机械与运载工程学院

通讯地址：重庆市沙坪坝区沙正街174号

教育与科研经历

2023年09月至今                重庆大学机械与运载工程学院副教授；

2019年01月-2023年09月    重庆大学机械与运载工程学院讲师；

2014年09月-2018年12月    西安交通大学机械工程学科博士研究生；

2012年08月-2014年08月    华为技术公司网控硬件开发部 硬件工程师；

2010年09月-2012年07月    西安交通大学仪器仪表工程硕士；

2006年09月-2010年07月    西安交通大学测控技术与仪器本科。

获奖情况

中国振动工程学会 中国振动工程学会科学技术奖二等奖

华为技术有限公司 金网络奖

学术兼职

2022神经计算与高级应用国际会议 分会主席

IEEE Transactions on Industrial Electronics（JCR一区） 审稿人

IEEE  Transactions on Industrial Informatics（JCR一区） 审稿人

Measurement （JCR一区） 审稿人

IEEE Transactions on Instrumentation and Measurement（JCR一区） 审稿人

主要科研项目

国家自然科学基金青年基金项目“内/外源随机因素影响下海上风机传动链深度隐变量寿命预测方法研究”项目负责人

国家重点研发计划“高端装备运维全过程智能化数字孪生体建模理论方法”子课题负责人

中国博士后科学基金面上项目“考虑短裂纹群协同作用的指向系统损伤-征兆反演溯源模

型与寿命预测方法研究”项目负责人

重庆市自然科学基金面上项目“海上极端环境下深度状态空间模型驱动的风机传动关键 部件剩余寿命预测研究”项目负责人

国家自然科学基金重点项目“机械传动系统服役行为动态调控理论与方法研究”参与人

国家重点研发计划“大功率核电齿轮箱故障诊断与健康监测技术”参与人 

国家重点研发计划“齿轮传动系统多维信息感知及智能运维”参与人 

重庆市科技计划项目“轨道交通高端智能轴承开发及应用”参与人

国家自然科学基金项目面上项目“高速滚动轴承的无监督多尺度精细分层寿命预测方法研究”参与人

主要期刊论文（*通讯作者）

Peng Y*, Bi R, Wang Y. Regime Switching Model with Adaptive Adjustments for Degradation Prognosis[J]. IEEE Transactions on Instrumentation and Measurement, 2023.（JCR一区）

Hou W J, Peng Y*. Adaptive ensemble gaussian process regression-driven degradation prognosis with applications to bearing degradation[J]. Reliability Engineering & System Safety, 2023, 239: 109479.（中科院1区TOP）

Wang Y, Peng Y*, Chow T W S. Adaptive particle filter-based approach for rul prediction under uncertain varying stresses with application to hdd[J]. IEEE Transactions on Industrial Informatics, 2021, 17(9): 6272-6281.（中科院1区TOP）

Peng Y*, Wang Y, Wang G, et al. Doubly Stochastic Cumulative Damage Model for RUL Prediction of HDDs in Uncertain Operating Environments[J]. IEEE Transactions on Industrial Electronics, 2020, 68(9): 8743-8752.（中科院1区TOP）

Yizhen P*, Yu W, Jingsong X, et al. Adaptive stochastic-filter-based failure prediction model for complex repairable systems under uncertainty conditions[J]. Reliability Engineering & System Safety, 2020, 204: 107190.（中科院1区TOP）

Peng Y*, Wang Y, Shao Y. A novel bearing imbalance Fault-diagnosis method based on a Wasserstein conditional generative adversarial network[J]. Measurement, 2022, 192: 110924.（JCR一区）

Peng Y*, Wang Y, Zi Y. Switching state-space degradation model with recursive filter/smoother for prognostics of remaining useful life[J]. IEEE Transactions on Industrial Informatics, 2018, 15(2): 822-832.（中科院1区TOP）

Yuan J, Wang Y, Peng Y, et al. Weak fault detection and health degradation monitoring using customized standard multiwavelets[J]. Mechanical Systems and Signal Processing, 2017, 94: 384-399.（中科院1区TOP）

Peng Y*, Wang Y, Shao Y. New data augmentation-driven RUL prognosis approach for cumulative damage model using incomplete observations[J]. IEEE Transactions on Instrumentation and Measurement, 2021, 71: 1-12.（JCR一区）

Wang Y, Liu Q, Lu W, Peng Y. A general time-varying Wiener process for degradation modeling and RUL estimation under three-source variability[J]. Reliability Engineering & System Safety, 2023, 232: 109041.（中科院1区TOP）

Yang J, Peng Y*, Xie J, et al. Remaining useful life prediction method for bearings based on LSTM with uncertainty quantification[J]. Sensors, 2022, 22(12): 4549.（JCR一区）

Peng Y*, Wang Y, Zi Y Y, et al. Dynamic reliability assessment and prediction for repairable systems with interval-censored data[J]. Reliability Engineering & System Safety, 2017, 159: 301-309.（中科院1区TOP）

Wang Y, Peng Y, Zi Y, et al. A two-stage data-driven-based prognostic approach for bearing degradation problem[J]. IEEE Transactions on industrial informatics, 2016, 12(3): 924-932.（中科院1区TOP）

Zhang P, Peng Y. Influence of rotation speed on motion accuracy of hydrostatic journal bearing[J]. Nonlinear Dynamics, 2021, 105: 2959-2980.（JCR一区）

Peng Y, Wang Y, Chow T W S. Adaptive remaining useful lifetime prediction of magnetic head under varying stress conditions[C]//2019 IEEE 17th International Conference on Industrial Informatics (INDIN). IEEE, 2019, 1: 1271-1274.

Wang Y, Peng Y, Zi Y, et al. An integrated Bayesian approach to prognositics of the remaining useful life and its application on bearing degradation problem[C]//2015 ieee 13th international conference on industrial informatics (indin). IEEE, 2015: 1090-1095.