姓名：何彦

      学历学位：博士研究生/博士

      专业技术职务：教授

      导师类别：博士生导师、硕士生导师

      联系邮箱：heyan@cqu.edu.cn

重庆大学机械与运载工程学院教授，硕导、博导；国家级青年人才，国家基础加强计划重点项目、国家重点研发计划（重点专项）项目首席科学家，机械工业科技创新领军人才，重庆市学术技术带头人，重庆市杰青。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研究，主持国家基础加强计划重点项目、国家重点研发计划（重点专项）项目、国家基础科研重大项目课题、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等国家级项目/课题20余项；在IEEE Transactions on Industrial Informatics，Journal of Manufacturing Systems，Applied Energy等具有国际影响力的学术期刊上发表SCI论文150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22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）。

现担任全国高等学校制造自动化研究会副理事长、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、中国兵工学会弹药安全技术专业委员会首届委员、中国机械工程学会工业大数据与智能系统分会、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、全国绿色工厂推进联盟工作组委员、中国自动化学会制造技术专业委员会常务委员、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；Digital Engineering期刊编委、Digital Twin期刊专家顾问委员、IET-Collaborative Intelligent Manufacturing（英国工程技术学会）期刊首席客座编辑、Journal of Remanufacturing期刊编委、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

教学情况

[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”

代表性科研项目

[1] 国家重点研发计划（重点专项）项目—复杂制造系统的多维态感知与优化调度关键技术（2487万），2024.12-2027.11，主持

[2] 国家基础加强重点项目—XXXXXXXXXX基础研究（1900万），2023.6-2027.6，主持

[3] 国家基础科研重大项目课题—XXXXXXXXXX技术研究，2022.12-2026.12，主持

[4] 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控，2022.01-2025.12，主持

[5] 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，2020.09-2023.08，主持

[6] 国家重点研发计划重点专项课题—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，2019.07—2022.06，主持

近3年代表作（10项）

[1] 何彦, 李育锋, 王禹林, 刘超, 王时龙. 机械加工过程能耗建模和优化方法[M]. 机械工业出版社: 202203.217.（获国家出版基金资助）

[2] He Y, Niu X, Hao C, et al. An adaptive detection approach for multi-scale defects on wind turbine blade surface[J]. Mechanical Systems and Signal Processing, 2024, 219: 111592.（SCI一区，IF 7.9）

[3] Tian X, He Y*, Li Y, et al. Joint optimization of feature sequences and toolpath strategies in multi-feature workpiece machining for minimizing energy consumption and processing time[J]. Journal of Manufacturing Systems, 2024, 74: 869-886.（SCI一区，IF 12.3）

[4] He Y*, Yue Q, Li Y, et al. Multiscale residual stress and mechanical behavior analysis in machining of Ti-6Al-4V alloy with advanced microscopic characterization[J]. Journal of Manufacturing Processes, 2024, 120: 568-578.（SCI一区，IF 6.1）

[5] Hao C, He Y*, Li Y, et al. An integrated restoration methodology based on adaptive failure feature identification[J]. Robotics and Computer-Integrated Manufacturing, 2023, 81: 102512. （SCI 一区，IF 9.1）

[6] Hao C, He Y*, Li Y, et al. An Image-Based Hairline Crack Identification Method for Metal Parts[J]. IEEE Transactions on Instrumentation and Measurement, 2023, 72: 1-14.（SCI 二区top，IF 5.6）

[7] 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.（SCI一区，IF 12.3）

[8] Wu P, He Y*, Li Y, et al. Multi-objective optimisation of machining process parameters using deep learning-based data-driven genetic algorithm and TOPSIS[J]. Journal of Manufacturing Systems, 2022, 64: 40-52.（SCI一区，IF 12.3）

[9] Wu P, He Y*, Li Y, et al. Online prediction of cutting temperature using self-adaptive local learning and dynamic CNN[J]. IEEE Transactions on Industrial Informatics, 2022, 18(12): 8629-8640.（SCI 一区，IF 11.7）

[10] He Y, Ma W, Li Y, et al. An Octree-Based Two-Step Method of Surface Defects Detection For Remanufacture[J], International Journal of Precision Engineering and Manufacturing-Green Technology, 2022, 10: 40-52.（SCI 二区，JCR Q1 IF 5.6）