姓名：李育锋

学历学位：博士研究生/博士后

专业技术职务：副教授

导师类别：硕士生导师

联系邮箱：liyufengcqu@cqu.edu.cn

重庆大学机械制造及其自动化专业博士，重庆大学副教授、硕士生导师。长期从事绿色设计与制造、智能制造、工业大数据与人工智能等邻域的研究。主持承担过与绿色低碳制造理论和技术相关的国家自然科学基金、国家重点研发计划“基础制造技术与关键部件”项目子课题、中国制造2025 专项-绿色制造系统集成项目课题等项目，在Applied Energy, IEEE, International Journal of Mechanical Sciences，Journal of manufacturing system 等本领域国际权威JCR 一区期刊论文18 篇，《机械工程学报》等国内顶级期刊论文 8 篇，CIRP 等国际顶级学术会议论文6 篇，申请或授权国家发明专利14 项；参与制定团体标准2 项；出版国家出版基金资助高水平专著1本；研究成果“低碳制造环境下机械加工机床-车间能耗规律及调控”获2018 年度教育部自然科学奖二等奖（排名第4）。

主要研究方向

绿色设计与制造、智能制造、工业大数据与人工智能、高能效制造与清洁生产

研究经历

2021.09—至今 重庆大学 副教授

2017.10—2021.09 重庆大学 讲师

2015.12—2017.09重庆大学 博士后

2010.09—2015.06 重庆大学 博士研究生

教学情况

[1] 本科生课程 “工程制图”

[2] 本科生课程 “智能制造与绿色制造”

[3] 本科生课程 “机械电气控制及自动化”

[4] 本科生课程 “绿色智能制造技术”

代表科研项目

1.国家重点研发计划“制造基础技术与关键部件”重点项目子课题，2018YFB2002100，基础制造工艺资源环境负荷数据采集及环境评价数据库建设，2019-2022，主持

2. 中国制造2025专项—绿色制造系统集成项目课题，xxxxxxxxx, 运载火箭箭体绿色制造关键工艺与装备的突破及集成应用，2017-2021，主持

3. 国家自然科学基金青年科学基金项目，5160051006，面向设计属性和制造属性协同的机械零件加工特征能耗建模及优化，2017-2019，主持

4.“高档数控机床与基础制造装备”国家科技重大专项，2017ZX04019-001，滚珠丝杠副高效生产线关键技术研究与应用，2017-2019，参与

公开发表论文（代表作）（10项）

[1] 何彦，李育锋，王禹林，等. 《机械加工过程能耗建模和优化方法》. 机械工业出版社，2022.3，ISBN: 978-7-111-70040-1.

[2]Y. Li, X. Wang, Y. He,Y. Wang, Y. Wang and S. Wang, "Deep Spatial-Temporal Feature Extraction and Lightweight Feature Fusion for Tool Condition Monitoring," in IEEE Transactions on Industrial Electronics, doi: 10.1109/TIE.2021.3102443.（中科院1区）

[3] Pengcheng Wu;He Yan;Yufeng Li*; Yulin Wang; Shilong Wang；Online prediction of cutting temperature using self-adaptive local learning and dynamic CNN. IEEE Transactions on Industrial Informatics, 2022.（中科院1区）

[4]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(62-):62.（中科院1区）

[5]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.（中科院1区）

[6]He Y,Zhang W,Li Y F*, et al. An Approach for Surface Roughness Measurement of Helical Gears Based on Image Segmentation of Region of Interest. Measurement, 2021: 109905.（中科院1区）

[7]Y He, Wu P,Y Li*, et al. A generic energy prediction model of machine tools using deep learning algorithms. Applied Energy, 2020, 275:115402.（中科院1区）

[8]Li Y,He Y, Wang Y, et al. A modeling method for hybrid energy behaviors in flexible machining systems. Energy, 2015, 86: 164-174.（中科院1区）

[9]何彦,刘超,李育锋*,王乐祥,王禹林.基于时变热源的丝杠旋风铣削瞬态温度建模方法研究[J].机械工程学报, 2018,54 (15): 180-190.

[10]何彦, 王乐祥,李育锋*, 等. 一种面向机械车间柔性工艺路线的加工任务节能调度方法[J].机械工程学报, 2016, 52(19): 168-179.