所在系所：

振动与噪声控制研究所

振动噪声监测与控制研究所

联系电话：

13668725353

通讯地址：

昆明理工大学呈贡校区机电工程学院

邮 编：

650500

电子邮箱：

wzh_kust@foxmail.com

教育背景

时 间

毕业学校

所学专业

学 历

2011.09-2017.07

昆明理工大学

机械设计及理论

工学博士

2010.09-2011.07

昆明理工大学

机械设计及理论

工学硕士

2003.09-2007.07

昆明理工大学

机械工程及其自动化

工学学士

工作经历

时 间

工作单位

职 称

2017.08-2020.09

昆明理工大学机电工程学院

讲师

2020.10-至今

昆明理工大学机电工程学院

副教授

研究领域

(1) 机电设备状态监测与智能诊断

(2) 高端装备振动特性与健康评估

(3) 声发射技术及其在机电设备的应用

(4) 机电设备疲劳特性、机理与寿命预测研究

个人简介

王之海，男，中共党员，博士/副教授，昆明理工大学机电学院硕士生导师，国家自然基金评审专家，教育部研究生论文评审专家，全国研究生教育检测专家库成员，中国振动工程学会动态信号分析专业委员会理事，云南省工业与信息化厅专家库成员，云南省“兴滇英才计划”创业人才评审专家，云南省图学学会理事，中国振动工程学会会员，云南省先进装备智能制造技术重点实验室秘书，云南省先进装备智能维护研究中心核心成员。

在科研方面，主持和参与了科技部国家重点研发计划、国家自然科学基金、云南省科技厅重大专项项目、云南省自然科学基金、云南省教育厅教师项目、校人培项目和企业纵向、横向基金等 20 余项课题。目前在研主持云南省基础研究计划面上项目1项“基于多源传感器与多深度学习模型融合的工业机器人健康评估及其损伤机理研究”（编号：202401AT070346）。申请与授权国家发明专利20余项。发表学术论文30余篇，其中一作或通讯SCI/EI检索期刊近20篇。

主要科研项目

(1) 国家自然科学基金委员会, 地区基金项目, 52165065, 基于电流信息与模态分析的工业机器人关节健康状态评估与演化机理研究, 2022-01至2025-12, 35万, 已结题, 主持

(2) 云南省科学技术厅，基础研究专项（面上），202401AT070346，基于多源传感器与多深度学习模型融合的工业机器人健康评估及其损伤机理研究，2024-03至2027-02，10万，在研，主持

(3) 国家自然科学基金委员会, 面上基金项目, 51875272, 基于三维声强探头阵列和波束形成的远场声源识别方法研究, 2019-01至2022-12, 58万, 已结题, 参与

(4) 云南省教育厅, 科学研究基金项目, 2018JS025, 基于声发射的球轴承性能关键退化信息提取研究, 2018-05至2021-05, 4万, 已结题, 主持

(5) 昆明理工大学, 云南省人才培养项目, KKSY201701018, 基于声发射的滚动轴承疲劳演化特征敏感性研究, 2017-11至2020-11, 5万, 已结题, 主持

(6) 国家自然科学基金委员会, 地区基金项目, 51465022, 基于声发射和数值模型的球轴承点蚀疲劳寿命估计研究, 2015-01至2018-12, 46万, 已结题, 参与

(7) 国家自然科学基金委员会, 地区基金项目, 基于应力波传播特性的大型回转支撑轴承传感器故障定位方法研究2023-01至2026-12, 在研, 参与

(8) 国家自然科学基金委员会, 地区基金项目, 机械振动图像超分辨率目标识别与多点动态位移相关测量研究, 2021-01至2024-12, 在研, 参与

(9) 国家自然科学基金委员会, 地区基金项目, 数据不平衡条件下的高速轴-轴承系统数值建模与健康预测, 2021-01至2024-12, 在研, 参与

表性论文、专著（10项以内）

(1) Research on Feature Extraction Algorithm of Rolling Bearing Fatigue Evolution Stage Based on Acoustic Emission, Mechanical Systems and Signal Processing, 2018, 113: 271-284.

(2) Fault  diagnosis  of  RV  reducer  with  dual-branch  fusion  of enhanced  GAN  and  multimodal  data, STRUCTURAL  HEALTH MONITORING-AN  INTERNATIONAL  JOURNAL, 2026

(3) Deep multiscale feature fusion network with dual attention for rolling bearing remaining useful life prediction, Scientific Reports, 2025

(4) Remaining life prediction of rolling bearings with secondary feature selection and BSBiLSTM, MEASUREMENT SCIENCE AND TECHNOLOGY, 2024, 35(7)

(5) Vibration characteristics of industrial robot joint servo transmission system based on electromechanical coupling, MEASUREMENT SCIENCE AND TECHNOLOGY, 2024, 34(12)

(6) Remaining Useful Life Prediction of Rolling Bearings Using GRU-DeepAR with Adaptive Failure Threshold[J]. Sensors, 2023, 23 (1144).

(7) Rolling Bearing Performance Degradation Assessment with based on Adaptive Sensitive Feature Selection and multi-strategy optimized SVDD[J]. Sensors, 2023, 23 (1110).

(8) 基于MDFF与ISSA的滚动轴承故障声发射诊断[J]. 振动与冲击, 2023

(9) 基于位置补偿系数距离估计的滚动轴承特征损伤敏感性评估算法研究; 振动与冲击, 2019, 38(1):65-72.

(10) 基于二次相关加权阈值的滚动轴承声发射信号小波包降噪算法研究, 振动与冲击, 2015, 34(21):175-178.

专利及软件著作权登记（5项以内）

(1) 结合特征优选与多策略优化SVDD的滚动轴承性能退化评估方法:CN202211384552.8[P].CN115901249A.

(2) 基于关节电流和模态分析的工业机器人关节振动求解方法:CN202111327808.7[P].CN202111327808.7.

(3) 一种基于DBN-SVDD-TCN的工业机器人关节寿命预测方法：CN117668638B[P]. CN202311593621.0.

(4) 一种基于改进麻雀搜索与声发射的滚动轴承早期故障智能诊断方法:CN202111388418.0[P].CN202111388418.0.

(5) 一种基于优选小波基与多维深度特征融合的滚动轴承声发射智能诊断方法:CN202111388420.8[P].CN202111388420.8.