所在系所：

机械工程系/振动噪声监测与控制研究所

联系电话：

通讯地址：

云南省昆明市呈贡区景明南路727号

邮 编：

650500

电子邮箱：

tianfu.li@kust.edu.cn

教育背景

时间

毕业学校

所学专业

学历

2018.09-2024.06

西安交通大学

机械工程

博士

2014.09-2018.06

重庆大学

机械设计制造及其自动化（实验班）

学士

工作经历

时间

工作单位

职称、职务

2024.08-至今

昆明理工大学机电工程学院

讲师

研究领域（方向）（4个以内）

² 研究方向：数据及AI驱动的设备健康状态监测与故障诊断，寿命预测与维护策略优化

² 主要方法：信号处理、人工智能深度学习、工业大语言模型

² 面向对象：航空发动机、直升机、工业机器人、锂电池健康管理

个人总体简介

昆明理工大学高层次人才（特聘教授），瑞士洛桑联邦理工大学访问学者(2022-2023年)。主持国家自然科学基金青年项目（C类）1项，云南省科技厅面上项目1项，全国重点实验室开放课题2项，中央高校基本科研业务费1项；参与航空发动机健康管理相关的两机重大专项项目1项、国家自然科学基金委面上项目2项，重点项目1项和重大研究计划集成项目1项。担任著名SCI期刊《IEEE Transactions on Instrumentation and Measurement》（中科院2区）副编辑，国产期刊《Journal of Dynamics, Monitoring and Diagnostics》青年编委，以及IEEE TNNLS、TIE、TII，MSSP，RESS，EAAI等多个国际SCI期刊的通讯评审专家。发表学术论文30余篇（第一作者中科院一区论文8篇、中科院2区5篇）、ESI高被引论文6篇、论文引用4100余次，相关论文曾获徐总本院士应用数学论文奖、控制论领域国际顶级期刊IEEE SMC“Andrew P. Sage最佳期刊论文奖（第一完成人）”。入选斯坦福大学&Elsevier全球前2%顶尖学者，获陕西高等学校科学技术研究优秀成果奖--特等奖（第四完成人）。（更多相关信息请参见个人主页：https://hazedt.github.io/TianfuLi.github.io/）

研究所介绍：团队所在的云南省先进装备智能制造技术重点实验室主要致力于数字化与智能化设计技术、复杂系统建模与仿真技术、特种工艺与精密制造技术、智能诊断与健康维护技术四个方向的相关研究，具备良好的实验条件和学习氛围。

招生寄语：课题组属于“高强度、高收益”的硬核副本，导师带队冲锋，节奏快、要求高。如果你喜欢疯狂Level up（升级）的酸爽感，不怕被Boss（科研难题）虐，欢迎来和我一起打爆满级装备（发好Paper）！“欢迎随时发邮件咨询，聊完再决定也不迟哦”

主要科研项目（代表性的8项以内）

(1) 2026-2028，国家自然科学基金青年项目（C类），图提升小波可解释网络及航空发动机故障连续迁移诊断方法研究，主持；

(2) 2025-2028，云南省基础研究计划面上项目，小波可解释人工智能方法及航空发动机传动系统监测诊断应用研究，主持；

(3) 2025-2026，高端装备机械传动全国重点实验室开放课题，航空发动机传动系统可解释智能诊断方法研究，主持；

(4) 2021-2024国家自然科学基金面上项目“图小波神经网络与直升机不平衡姿态识别研究”，参与

(5) 2021-2024国家自然科学基金重大研究计划集成项目“航空发动机主轴承及传动系统智能诊断研究”，参与

(6) 2019-2023国家自然科学基金重点项目“航空发动机燃油控制系统服役安全保障方法研究”，参与

表性论文、专著（10项以内）

[1] Li TF, Chen J, Liu T, et al. Explainable artificial intelligence based intelligent fault diagnosis: A systematic review from applications to insights[J]. Reliability Engineering & System Safety, 2026: 111935. (SCI, 中科院一区，IF: 11)

[2] Li TF, Sun C, Zhao Z, et al. A Kolmogorov–Arnold-informed interpretable graph wavelet activation network for machine fault diagnosis[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 56(3):1693-1705, 2026. (SCI, 中科院一区，IF: 8.7)

[3] Li TF, Sun C, Fink O, et al. Filter-Informed Spectral Graph Wavelet Networks for Multiscale Feature Extraction and Intelligent Fault Diagnosis[J]. IEEE Transactions on Cybernetics, 54(1):506-518, 2024. (SCI, 中科院一区，IF: 11.8)

[4] Li TF, Sun C, Li SN, et al. Explainable graph wavelet denoising network for intelligent fault diagnosis[J]. IEEE Transactions on Neural Networks and Learning Systems, 35 (6):8535-8548, 2024. (SCI, 中科院一区，IF: 10.4)

[5] Li TF, Zhao ZB, Sun C, et al. WaveletKernelNet: An interpretable deep neural network for industrial intelligent diagnosis[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2022, 52(4): 2302-2312. (SCI, 中科院一区，IF: 8.7，ESI高被引论文)

[6] Li TF, Zhou Z, Li SN, et al. The emerging graph neural networks for intelligent fault diagnostics and prognostics: A guideline and a benchmark study[J]. Mechanical Systems and Signal Processing, 2022, 168: 108653. (SCI, 中科院一区，IF: 8.4，ESI高被引论文)

[7] Li TF, Zhao ZB, Sun C, et al. Hierarchical attention graph convolutional network to fuse multi-sensor signals for remaining useful life prediction[J]. Reliability Engineering & System Safety, 2021, 215: 107878. (SCI, 中科院一区，IF: 11)

[8] Li TF, Zhao ZB, Sun C, et al. Multireceptive field graph convolutional networks for machine fault diagnosis[J]. IEEE Transactions on Industrial Electronics, 2021, 68(12): 12739-12749. (SCI, 中科院一区，IF: 7.7，ESI高被引论文)

[9] Li TF, Zhao ZB, Sun C, et al. Domain adversarial graph convolutional network for fault diagnosis under variable working conditions[J]. IEEE Transactions on Instrumentation and Measurement, 2021, 70: 1-10. (SCI, 中科院二区，IF: 5.6，ESI高被引论文)

[10] Li TF, Zhao ZB, Sun C, et al. Adaptive channel weighted CNN with multisensor fusion for condition monitoring of helicopter transmission system[J]. IEEE sensors journal, 2020, 20(15): 8364-8373. (SCI, 中科院二区，IF: 4.3)

专利及软件著作权登记（5项以内）

[1] 孙闯,李天福,赵志斌等.直升机飞行姿态不平衡数据的深度学习识别方法:陕西省,CN112801176A[P].2021-05-14. (发明专利，已授权)

[2] 孙闯,李天福,赵志斌等.基于域自适应图卷积网络的航发传动系统故障诊断方法:陕西省,CN113310689B[P].2022-07-12. (发明专利，已授权)

[3] 孙闯,李天福,赵志斌等.一种基于多感受野图卷积的齿轮传动系统故障识别方法:陕西省,CN113324754B[P].2022-05-06. (发明专利，已授权)