彭卫文

教师简介

       彭卫文，副教授，博士生导师，中山大学“百人计划”引进人才。
       彭卫文博士长期专注于系统可靠性和智能运维领域的研究，在如何利用人工智能技术来解决系统可靠性和智能运维的问题具有较为丰富的研究和实践经验。目前主要致力于“统计学习+复杂工业系统的可靠性建模与评估”以及“深度学习+核心工业部组件的故障预测与健康管理”方面的研究与实践。
       近年来，发表SCI期刊论文40余篇，其中ESI高被引论文10篇，谷歌学术引用4000余次，主持国家自然科学基金（青年、面上）2项、“某国家重大工程”课题和子课题各1项、国家重点研发计划子课题1项、广东省重点领域研发计划课题1项、深圳市面上项目1项、研究所委托横向课题5项。

　　课题组招收博士后、博士生（每年1-2名）、硕士生（每年2-3名）和优秀本科生，欢迎对机器学习、深度学习等感兴趣，特别是对如何用AI技术来解决工业难题，对如何玩转工业人工智能等感兴趣的同学加入本课题组。（课题组毕业学生目前在华为、南方电网、广汽研究院、大疆、TP-LINK、迈瑞等就职，普遍年薪都比我高不少=^_^=；同时，课题组毕业学生也有拿到“香港政府奖学金”前往CityU和“美国博士全额奖学金”前往UIUC攻读博士学位的学生，他们以后的平台和机会都会比我好↖（^ω^）↗）

　　学习经历：
       2012年09月-2015年12月，电子科技大学，机械工程专业，博士
       2014年10月-2015年10月，加州大学洛杉矶分校，可靠性工程专业，联合培养博士
       2009年09月-2012年07月，电子科技大学，机械设计与理论专业，硕士
       2005年09月-2009年07月，电子科技大学，机械设计制造及其自动化，本科

　　工作经历：
       2019年04月-至今，中山大学，智能工程学院，副教授
       2016年10月-2019年04月，新加坡国立大学，工业系统工程与管理系，研究员（Research Fellow）
       2016年02月-2019年02月，电子科技大学，机械与电气工程学院，讲师
       2012年02月-2012年07月，香港城市大学，系统工程与工程管理系，研究助理（Research Associate）

学科方向 

       研究方向：
       统计学习 & 复杂工业系统的可靠性建模与评估
       在理论方面，主要是研究贝叶斯统计学习的基本模型和方法，随机过程模型构建、参数估计与不确定性量化等方面；在应用层面，主要是研究复杂系统（新能源系统、先进制造系统等）的可靠性建模与评估方法，特别是在故障数据样本较小的情况下融合多源、层次异种数据来进行可靠性建模与评估。
       深度学习 & 核心工业部组件的故障预测与健康管理
       在理论方面，主要是研究贝叶斯深度学习的基本模型和方法，深度学习模型的不确定性量化、模型的可靠性和可信性等方面；在应用层面，主要是研究关键部件（电池、电机、功率器件、轴承、齿轮等）的健康状态建模与评估，特别是在海量监测数据下基于深度学习方法进行关键部件的性能退化建模、健康状态评估与剩余寿命预测。

科研项目

      统计学习相关（主要针对工业领域丰富多样的数据进行建模与分析，着重于复杂系统的可靠性建模与评估，以及新能源动力系统的状态监测、故障诊断与故障预测）
       1.2025-2028，国家自然科学基金（面上项目），统计学习+梯次利用退役动力电池相关，主持
       2.2024-2025，国家重大工程课题和子课题，统计学习+动力电池相关，主持
       3.2017-2019，国家自然科学基金（青年科学基金），统计学习+重型数控机床相关，主持
       4.2019-2022，国家重点研发计划“网络协同制造和智能工厂”专项，统计学习+有色冶炼装备相关，子课题负责人
       5.2020-2023，广东省重点领域研发计划“新能源汽车”专项，统计学习+氢燃料电池相关，课题负责人
       6.2020-2023，深圳市基础研究专项（面上项目），统计学习+梯次利用退役动力电池相关，主持
       7.2020-2021，横向课题（某研究所委托），多性能退化建模与可靠性评估相关，主持
       8.2019-2020，横向课题（某研究所委托），基于性能退化的可靠性与寿命预测软件相关，主持

　　深度学习相关（主要针对特定领域特殊形式的数据进行建模与分析，着重于大规模计算流体力学数值模拟的机器学习代理模型研究）
       1.2023-2025，横向课题（某研究所委托），深度学习相关，主持
       2.2022-2025，横向课题（某研究所委托），自动化机器学习相关，主持
       3.2020-2021，横向课题（某研究所委托），机器学习相关，主持

学术论文

      1.Rong Zhu, Zhi-Sheng Ye, Min Xie, Weiwen Peng*. Collaborative prognostics of Lithium-ion batteries using federated learning with dynamic weighting and attention mechanism. IEEE Transactions on Industrial Electronics, 2024, Early Access. https://doi.org/10.1109/TIE.2024.3387115. (学生一作，中科院一区)
       2.Yiyuan Jiang, Yuqi Ke, Fangfang Yang, Jinchen Ji, Weiwen Peng*. State of health estimation for second-life Lithium-ion batteries in energy storage system with partial charging-discharging workloads. IEEE Transactions on Industrial Electronics, 2024, Early Access. https://doi.org/10.1109/TIE.2023.3344825. (学生一作，中科院一区)
       3.Cheng-Geng Huang, He Li, Weiwen Peng*, Loon Ching Tang, Zhi-Sheng Ye. Personalized federated transfer learning for cycle-life prediction of lithium-ion batteries in heterogeneous clients with data privacy protection. IEEE Internet of Things Journal, 2024, Early Access. https://10.1109/JIOT.2024.3433460 (中科院一区)
       4.Yi Ding, He Li, Feng Zhu, Zhe Wang, Weiwen Peng*, Min Xie. A semi-supervised failure knowledge graph construction method for decision support in operations and maintenance. IEEE Transactions on Industrial Informatics, 2024, 20(3): 3104-3114. https://doi.org/10.1109/TII.2023.3299078. (学生一作，中科院一区) 
       5.Yuqi Ke, Yiyue Jiang, Rong Zhu, Weiwen Peng*, Xiaojun Tan. Early prediction of knee point and knee capacity for fast-charging Lithium-ion battery with uncertainty quantification and calibration. IEEE Transactions on Transportation Electrification, 2024, 1(2): 2873-2885. https://doi.org/10.1109/TTE.2023.3304670. (学生一作，中科院一区)
       6.Weiwen Peng, Yuan Chen*, Ancha Xu, Zhi-Sheng Ye. Collaborative online RUL prediction of multiple assets with analytically recursive Bayesian inference. IEEE Transactions on Reliability, 2024, 73(1): 506-520. https://doi.org/10.1109/TR.2023.3295943. (JCR Q1)
       7.Weiwen Peng, Zongyi Wei, Cheng-Geng Huang, Guodong Feng, Jun Li*. A hybrid health prognostics method for proton exchange membrane fuel cells with internal health recovery. IEEE Transactions on Transportation Electrification, 2023, 9(3): 4406-4417. https://doi.org/10.1109/TTE.2023.3243788. (中科院一区)
       8.Yiyue Jiang, Yuan Chen, Fangfang Yang, Weiwen Peng*. State of health estimation of lithium-ion battery with automatic feature extraction and self-attention learning mechanism. Journal of Power Sources, 2023, 556: 232466. https://doi.org/10.1016/j.jpowsour.2022.232466. (学生一作，JCR Q1)
       9.Rong Zhu, Weiwen Peng, Dong Wang, Cheng-Geng Huang*. Bayesian transfer learning with active querying for intelligent cross-machine fault prognosis under limited data. Mechanical Systems and Signal Processing, 2023, 183: 109628. https://doi.org/10.1016/j.ymssp.2022.109628. (学生一作，中科院一区，ESI高被引论文)
       10.Yuqi Ke, Mingzhu Long, Fangfang Yang, Weiwen Peng*. A Bayesian deep learning pipeline for lithium‐ion battery SOH estimation with uncertainty quantification. Quality and Reliability Engineering International, 2024, 40(1): 406-427. https://doi.org/10.1002/qre.3424. (学生一作，JCR Q3) 
       11.Rong Zhu, Yuan Chen, Weiwen Peng*, Zhi-Sheng Ye. Bayesian deep-learning for RUL prediction: An active learning perspective. Reliability Engineering & System Safety, 2022, 228: 108758. https://doi.org/10.1016/j.ress.2022.108758. (学生一作，中科院一区)
       12.Yi Ding, Rong Zhu, Weiwen Peng*, Min Xie. Degradation analysis with nonlinear exponential‐dispersion process: Bayesian offline and online perspectives. Quality and Reliability Engineering International, 2022, 38(7): 3844-3866. https://doi.org/10.1002/qre.3179. (学生一作，JCR Q3)
       13.Weiwen Peng, Qianling Chen, Ujjal Manandhar, Benfei Wang*, Jose Rodriguez. Event-triggered model predictive control for the inverter of a grid-connected microgrid with a battery-supercapacitor HESS. IEEE Journal of Emerging and Selected Topics in Power Electronics, 2023, 11(6): 5540-5552. https://doi.org/10.1109/JESTPE.2022.3190306. (JCR Q1)
       14.Rong Zhu, Weiwen Peng, Yu Han, Cheng-Geng Huang*. Intelligent health monitoring of machine tools using a Bayesian multi-branch neural network. IEEE Sensors Journal, 2022, 22(12): 12183-12196. https://doi.org/10.1109/JSEN.2022.3175722 (学生一作，JCR Q1)
       15.Ruomei Zhou, Rong Zhu, Cheng-Geng Huang, Weiwen Peng*. State of health estimation for fast-charging lithium-ion battery based on incremental capacity analysis. Journal of Energy Storage, 2022, 51: 104560. https://doi.org/10.1016/j.est.2022.104560 (学生一作，JCR Q1)
       16.Qunming Zhang, Cheng-Geng Huang, He Li, Guodong Feng, Weiwen Peng*. Electrochemical impedance spectroscopy based state of health estimation for lithium-ion battery considering temperature and state of charge effect. IEEE Transactions on Transportation Electrification, 2022, 8(4): 4633-4645.  https://doi.org/10.1109/TTE.2022.3160021 (学生一作，JCR Q1)
       17.Konglei Ouyang, Yuqian Fan, Mohammad Yazdi, Weiwen Peng*. Data-driven-based internal temperature estimation for Lithium-ion battery under variant state-of-charge via electrochemical impedance spectroscopy. Energy Technology, 2022, 10: 2100910. https://doi.org/10.1002/ente.202100910 (学生一作，JCR Q3)
       18.Cheng-Geng Huang, Jun Zhu, Yu Han*, Weiwen Peng. A novel Bayesian deep dual network with unsupervised domain adaptation for transfer fault prognosis across different machines. IEEE Sensors Journal, 2022, 22(8): 7855-7867. https://doi.org/10.1109/JSEN.2021.3133622 (JCR Q1)
       19.Cheng-Geng Huang, Hong-Zhong Huang*, Yan-Feng Li, Weiwen Peng. A novel deep convolutional neural network-bootstrap integrated method for RUL prediction of rolling bearing. Journal of Manufacturing Systems, 2021, 61: 757-772. https://doi.org/10.1016/j.jmsy.2021.03.012 (JCR Q1)
       20.Guodong Feng, Chunyan Lai, Xiaojun Tan, Weiwen Peng*, Narayan C Kar. Multi-parameter estimation of PMSM using differential model with core loss compensation. IEEE Transactions on Transportation Electrification, 2021, 8: 1105-1115. https://doi.org/10.1109/TTE.2021.3106655 (中科院一区)
       21.Guodong Feng, Chunyan Lai, Weiwen Peng*, Narayan C Kar. Decoupled design of fault-tolerant control for dual-three-phase IPMSM with improved memory efficiency and reduced current RMS. IEEE Transactions on Transportation Electrification, 2021, 8: 1144-1154. https://doi.org/10.1109/TTE.2021.3091468 (中科院一区)
       22.Weiwen Peng, Zhi-Sheng Ye, Nan Chen*. Bayesian deep-learning-based health prognostics towards prognostics uncertainty. IEEE Transactions on Industrial Electronics, 2020, 67: 2283-2293. https://doi.org/10.1109/TIE.2019.2907440 (中科院一区，ESI高被引论文)
       23.Weiwen Peng, Shun-Peng Zhu, Lijuan Shen*. The transformed inverse Gaussian process as an age- and state-dependent degradation model. Applied Mathematical Modelling, 2019, 75: 837-852. https://doi.org/10.1016/j.apm.2019.07.004 (中科院一区)
       24.Weiwen Peng, Zhi-Sheng Ye, Nan Chen*. Joint online RUL prediction for multivariate deteriorating systems. IEEE Transactions on Industrial Informatics, 2019, 15: 2870-2878. https://doi.org/10.1109/TII.2018.2869429 (中科院一区)
       25.Jun Zhu, Nan Chen, Weiwen Peng*. Estimation of bearing remaining useful life based on multiscale convolutional neural network. IEEE Transactions on Industrial Electronics, 2019, 66: 3208-3216. https://doi.org/10.1109/TIE.2018.2844856 (中科院一区，ESI高被引论文)
       26.Cheng-Geng Huang, He Li, Weiwen Peng. Personalized federated transfer learning for customized fault prognosis of heterogeneous clients. QR2MSE 2023 Best Paper Award. 
       27.诸蓉, 黄承赓, 彭卫文. 基于贝叶斯多源主动迁移学习的剩余寿命预测方法研究. 2023年中国工业工程年会最佳学术论文. 

学术专著

      1.He Li, Weiwen Peng, Sidum Adumene, Mohammad Yazdi. Intelligent Reliability and Maintainability of Energy Infrastructure Assets. Springer, Springer Nature, 2023.

毕业学生

      1.2024届，柯钰琪，学位论文《基于贝叶斯深度学习的快充下锂离子动力电池健康状态估计和预测研究》，获得荣誉：研究生一等奖助学金；毕业去向：南方电网电力科技股份有限公司。
       2.2024届，蒋一阅，学位论文《梯次利用下退役锂离子动力电池健康状态估计的数据驱动方法研究》，获得荣誉：研究生一等奖助学金；毕业去向：伊利诺伊大学厄巴纳香槟分校攻读博士学位（美国博士全额奖学金）。
       3.2023届，诸蓉，学位论文《基于贝叶斯深度主动学习的产品剩余寿命预测方法研究》，获得荣誉：国家奖学金、研究生一等奖助学金、中山大学优秀毕业生；毕业去向：香港城市大学攻读博士学位（香港政府奖学金）。
       4.2022届，欧阳孔雷，学位论文《退役动力电池快速分选及梯次利用下的健康状态评估研究》，获得荣誉：研究生一等奖助学金；毕业去向：深圳市大疆创新科技有限公司。
       5.2022届，周若梅，学位论文《基于数据驱动的快充下锂离子电池健康状态评估与循环寿命早期预测研究》，获得荣誉：研究生二等奖助学金；毕业去向：普联技术有限公司。
       6.2022届，魏宗仪，学位论文《质子交换膜燃料电池的健康状态评估及性能退化预测研究》，获得荣誉：研究生一等奖助学金；毕业去向：华为技术有限公司。
       7.2022届，林雨霖，学位论文《基于数据驱动的质子交换膜燃料电池故障诊断研究》，获得荣誉：研究生一等奖助学金、中山大学优秀毕业生；毕业去向：广汽集团汽车工程研究院。
       8.2021届，张群明，学位论文《基于电化学阻抗谱的锂离子电池健康状态估计研究》，获得荣誉：研究生二等奖助学金；毕业去向：深圳迈瑞生物医疗电子股份有限公司。

联系方式

       电子邮箱：pengww3@mail.sysu.edu.cn; weiwenpeng@hotmail.com
       办公室：中山大学深圳校区工学园2栋2-214室