• 2021.01-至今               讲师                      南京理工大学      机械工程学院  

• 2021.12-2023.12         在职博士后            南京理工大学      兵器科学与技术

• 2023.07-2024.05         借调干部               工业和信息化部   装备工业一司

• 2023.07-至今               讲师、硕导            南京理工大学       机械工程学院  

• 2021.12—2023.12            在职博士后           南京理工大学 机械工程学院                      合作导师：姚建勇教授   

• 2017.09—2021.01      博士                     东南大学 机械工程学院                               机械工程

• 研究兴趣：智能监测、故障诊断与运维；人工智能与信号处理；智能机器人技术等       导师：贾民平教授

• 2019.09—2020.09     CSC联合培养博士   University of British Columbia                 机械电子工程

• 研究方向：智能设备感知、预测、维护                                                                       合作导师：Prof. Zheng Liu

• 2014.09—2017.06     硕士                       兰州理工大学 机电工程学院                       机械制造及其自动化

• 研究方向：数据驱动型旋转机械状态监测与故障诊断                                                   导师：赵荣珍教授

• 2023年入斯坦福大学全球前2%顶尖科学家榜单；

  2023年获江苏省振动工程学会科学技术一等奖1项；

  2022年入选江苏省“双创博士”人才项目1项；

  2022年入选南京市支持海外人才创新创业行动计划（“海智湾”）；

  2021年获得南京理工大学优秀教职员工；

  2020年获得博士研究生国家奖学金；

  2020年获得东南大学一等学业奖；

  2020年获得东南大学“三好学生”；

  2019-2020获得国家留学基金委资助项目(加拿大不列颠哥伦比亚大学博士联合培养交流项目)；

  2019年获“埃斯顿自动化”企业奖学金;

  2019年获得博士研究生国家奖学金;

  2018-2019年获得东南大学二等学业奖学金;

  2018-2019年获得东南大学“三好学生”荣誉称号;

  2017-2018年获得东南大学一等学业奖学金;

  2017年度获得优秀研究生毕业生、硕士论文《全局与局部特征信息融合的旋转机械故障数据集降维方法研究》被评为甘肃省优秀硕士论文奖、校级优秀论文奖等荣誉称号;

  2017年度 获硕士研究生国家奖学金；

  2014年~2017年度多次获得校级奖学金；

  2010年~2014年度多次获得优秀奖学金、三好学生、优秀团员等荣誉称号；

学术兼职与报告活动(部分):

国家自然科学基金通讯评议专家；

中国振动工程学会故障诊断专业青年委员；

江苏省仪器仪表学会状态监测与故障诊断仪器专业委员；

江苏省振动工程学会青年委员;

......

期刊会议兼职(部分)：

本人也是多个SCI/EI期刊(青年)编委，也是多个期刊、会议等组织活动的客座编委、委员、分主席.......

譬如：

[01] 《International Journal of Hydromechatronics》青年编委；

[02] 《Frontiers in Mechanical Engineering》青年编委；

[03] 《Journal of Dynamics, Monitoring and Diagnostics》 编委；

[04] 《中北大学学报自然科学版》青年编委；

[05]  2016 13th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI-2016) 参加（报告）；

[06]  2018年全国设备监测诊断与维护学术会议(包头) 参加（报告）；

[07] The 9th Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM 2020 – Vancouver) 参加（报告）；

[08] 2021 Global Reliability and Prognostics and Health Management (PHM-Nanjing) 参加（报告）；

[09] 2022 Global Reliability and Prognostics and Health Management (PHM-Yantai) 组织；

[10] 2022年全国设备监测诊断与维护学术会议（太原）参加；

[11] Applied Sciences(SCI)《Applied Sciences》（SCI，IF=2.679）Special Issue：“Intelligent Machine Fault Diagnosis”（https://www.mdpi.com/journal/applsci/special_issues/Fault_Diagnosis_Machine）Guest Editor ；

[12] 2022年 PHM-2022(Yantai): https://icphm.org/Special%20Sessions.html ，组织；

[13] 2023年 Special Session of ICSMD 2023 #19 “Artificial Intelligence for Sensor Data analytics”，组织；

[14] 2023年 The International conference on Aerospace Structural Dynamics下的Special Session #24 Physics-informed and domain adaptation-based PHM techniques for mechanical, electrical, and hydraulic systems.，组织；

[15] 2023年 TSP旗下国际期刊Intelligent Automation & Soft Computing (SCI收录，IF：3.401, 非预警)特刊，投稿连接https://www.techscience.com/iasc/special_detail/intelligent-sensing，组织；

[16] 2024年05月 参加第16 届全国转子动力学学术大会(ROTDYN2024)并作优秀青年报告"高端装备电液系统智能运维关键技术与应用探讨"

[17] 2024年06月 参加第五届中国振动工程学会故障诊断专业委员会青年论坛（北京化工大学）并作报告，https://news.buct.edu.cn/2024/0611/c2108a194434/page.htm

[18] 2024年07月 ICFPMCE2024分论坛快讯?：高端机电液装备故障诊断与寿命预测，https://mp.weixin.qq.com/s/MRiLJxJ4L6fEPhpviqelpQ, 分论坛主席;

[19] 2024年10月 PHM-Beijing会议在北京举行,会议官网：https://www.icphm.org/ 投稿链接：https://easychair.org/conferences/?conf=phmbeijing2024, 分论坛主席;

......

学会会员（部分）：

中国机械工程学会会员；航空学会；宇航学会、兵工学会会员；振动工程学会、中国系统工程学会等；

美国电子电工学会IEEE 会员、IEEE-IMS 、IEEE-IES会员等；

江苏省振动工程学会、江苏省仪器仪表学会等组织协会会员；

......

期刊会议论文等审稿人(部分)：

• 英文期刊：IEEE Transactions on Neural Networks and Learning System、IEEE Transactions on Industrial Electronics、IEEE/ASMETransactions on Mechatronics、IEEE Transactions on Industrial Informatics、IEEE Transactions on Cybernetics、IEEE Transactions on Systems, Man, and Cybernetics: Systems、Mechanical Systems and Signal Processing、Knowledge-Based Systems、Applied Soft Computing、ISA Transactions、Reliability Engineering & System Safety、Structural Health Monitoring、Computers in Industry、Neurocomputing、IEEE Transactions on Instrumentation and Measurement、IEEE/CAA Journal of Automatica Sinica、Measurement、IEEE Sensors Journal、Measurement Science and Technology、Part C: Journal of Mechanical Engineering Science、IEEE Access、Machine Vision and Applications、Digital Signal Processing、Interdisciplinary Sciences: Computational Life Sciences、International Journal of Production Research、Journal of Intelligent & Fuzzy Systems、Building and Environment、International Journal of Acoustics and Vibration、MDPI旗下众多SCI期刊;

• 中文期刊：自动化学报、航空学报、机械工程学报、振动与冲击、振动测试与诊断、哈尔滨工程大学学报、重庆大学学报、兰州理工大学学报等期刊......

主持项目：

• 国家自然科学基金青年项目：波动工况下航空电静液作动器轴承故障的深度图迁移智能诊断研究，No. 52205062，2023.01-2025.12, 主持；

• 江苏省自然科学基金青年项目：变工况下电静液作动系统智能诊断与健康管理关键技术研究, (BK20220950) 2022.07-2025.06,  主持；

• 中国教育部博后基金面上项目: 空天作动器关键部件智能诊断理论及方法研究，No. 2022m711624，2022.07-2023.12，主持；

• 江苏省“双创博士”人才项目，2022/07-2025/06, 主持；

• 中央高校基本科研业务费暨自主科研(原创与交叉专项)：复杂工况下航空作动系统轴承故障的智能迁移诊断新方法研究，2022.08-2025.08，(No. 30922010701), 主持；

• 浙江大学流体动力与机电系统国家重点实验室开放课题, GZKF-202218, 2023.01.01-2024.12.31, 主持；

• 火箭军工程大学智控实验室开放基金,极端波动工况下电液作动器旋转部件寿命预测及视情维修方法研究 ，No.ICL-2023-0305， 2024.01-2025. 12 ，主持

• 江苏省普通高校研究生科研创新计划项目：基于深度无监督学习的旋转机械故障诊断方法研究，(项目号：SJKY190064), 2019.06-2020.09, 主持；

• 中华人民共和国科学技术部,国家重点研发计划(青年科学家项目)：高性能液压阀性能在线监测与智能控制项目号：2021YFB2011300, 2021年11月至 2024年10月, 500万元, 在研, (承担“基于云端的高性能液压阀智能诊断与预测系统研究”任务)，参与（子任务承担）;

参与项目：

• 国家自然科学基金面上项目：融合元学习与知识迁移的滚动轴承寿命预测预报理论方法研究及应用（项目号：52075095), 主要研究智能诊断与预测部分，2020年11月-2022年12月, 参与；

• 国家自然科学基金面上项目：融合疲劳现象学与奇异谱分解的起重机损伤识别及寿命预测研究（项目号：51675098)，2017年1月-2020年12月, 参与；

• 国家自然科学基金重点项目：高效高功率密度轴向磁场永磁同步电机系统关键科学问题研究(项目号：51937002,  2020年1月-2024年12月, 参与；

• 国家自然科学基金面上项目：数据驱动途径的典型旋转机械智能决策与知识粒计算(No. 51675253), 2017年1月-2017年7月, 参与；

• 教育部高等学校博士学科点专项科研基金：“数据驱动的故障知识发现知识粒度计算问题研究（No. 20136201110004), 2014.09-2015.06, 参与；

• 校企合作项目（横向课题）：2MW风力发电机组振动测试分析，2016.12-2017.06参与；

• 校企合作项目（横向课题）：智能电机运行状态监测与维护系统开发，2017.06-2017.12参与；

• 加拿大UBC与NRC合作项目：Development of Digital Twin Technologies for Aircraft Structural Life-Cycle Management, 2019.12-2020.06, 参与；

学术成果：

一作或通讯作者发表论文：

[1] Xiaoli Zhao, Yuanhao Hu, Jiahui Liu, Jianyong Yao,Wenxiang Deng, Jian Hu, Zhuanzhe Zhao and Xiaoan Yan. A novel intelligent multicross domain fault diagnosis of servo motor-bearing system based on Domain Generalized Graph Convolution Autoencoder. Structural Health Monitoring, 2024, DOI: 10.1177/14759217241262722

[2] Liu, J., Hu, Y., Zhu, X., Zhao, X.*, Gao, G., & Yao, J. Intelligent fault diagnosis for electro-hydrostatic actuator based on multisource information convolutional residual network[J]. Measurement Science and Technology, 2024, 35(6): 066114.

[3] X. Zhao*, P. Zhang, Y. Zhao, J. Yao, W. Deng and J. Hu, "Correlation energy singular spectrum decomposition: a new intelligent damage recognition method for crane girder structure of engineering machinery," 2023 Global Reliability and Prognostics and Health Management Conference (PHM-Hangzhou), Hangzhou, China, 2023, pp. 1-6, doi: 10.1109/PHM-Hangzhou58797.2023.10482641. INSPEC:24999364 国际会议

[4] X. Zhu, J. Liu, Y. Hu, X. Zhao*, J. Yao and P. Zhang, "Intelligent Fault Diagnosis for EHA Based on Muti-Source Fusion Hypergraph Convolutional Neural Networks Under Small Sample," 2023 China Automation Congress (CAC), Chongqing, China, 2023, pp. 1177-1182, doi: 10.1109/CAC59555.2023.10451493.INSPEC:24867349 国际会议

[5] Xiaoli Zhao, Xingjun Zhu, Jiahui Liu, Yuanhao Hu, Tianyu Gao, Liyong Zhao,Jianyong Yao* and Zheng Liu. Model-Assisted Muti-source Fusion Hypergraph Convolutional Neural Networks for Intelligent Few-Shot Fault Diagnosis to Electro-Hydrostatic Actuator. in Information Fusion, Volume 104, 2024, 102186.WOS:001137520500001

[6] X. Zhu, X. Zhao*, J. Yao, W. Deng, H. Shao and Z. Liu, "Adaptive Multiscale Convolution Manifold Embedding Networks for Intelligent Fault Diagnosis of Servo Motor-Cylindrical Rolling Bearing Under Variable Working Conditions," in IEEE/ASME Transactions on Mechatronics, doi: 10.1109/TMECH.2023.3314215.

[7]Zhao X, Zhu X, Yao J, et al. Intelligent Health Assessment of Aviation Bearing Based on Deep Transfer Graph Convolutional Networks under Large Speed Fluctuations[J]. Sensors, 2023, 23(9): 4379.

[8] Zhao X(赵孝礼), Yao J(姚建勇*), Deng W(邓文翔), et al. Intelligent Fault Diagnosis of Gearbox Under Variable Working Conditions With Adaptive Intraclass and Interclass Convolutional Neural Network[J]. IEEE Transactions on Neural Networks and Learning Systems, 2022, doi: 10.1109/TNNLS.2021.3135877. (SCI, IF=10.451, Top期刊, WOS:000740063500001 已发表)

[9] Zhao X(赵孝礼), Yao J(姚建勇*), Deng W(邓文翔), et al. Normalized Conditional Variational Auto-Encoder with adaptive Focal loss for imbalanced fault diagnosis of Bearing-Rotor system[J]. Mechanical Systems and Signal Processing, 2022, 170: 108826. (SCI, IF=6.823, Top期刊,WOS:000792759900004 已发表)

[10] Zhao X (赵孝礼), Yao J(姚建勇*), Deng W(邓文翔), Ding P (丁鹏), Zhuang J(庄集超), Liu Z(刘征). Multi-Scale Deep Graph Convolutional Networks for Intelligent Fault Diagnosis of Rotor-Bearing System Under Fluctuating Working Conditions[J]. IEEE Transactions on Industrial Informatics, 2022, doi: 10.1109/TII.2022.3161674. (SCI, IF=10.215, Top期刊, 已发表，WOS:000880654600019),

[11] X. Zhao, M. Jia and Z. Liu, "Semisupervised Graph Convolution Deep Belief Network for Fault Diagnosis of Electormechanical System With Limited Labeled Data," in IEEE Transactions on Industrial Informatics, vol. 17, no. 8, pp. 5450-5460, Aug. 2021, doi: 10.1109/TII.2020.3034189. (SCI, IF=11.648, Top期刊, 已检索，SCI收录WOS:000647406400030) (A类期刊)(ESI高被引论文)

[12] Zhao X(赵孝礼), Jia M(贾民平*), Ding P(丁鹏), et al. Intelligent Fault Diagnosis of Multi-Channel Motor-Rotor System based on Multi-manifold Deep Extreme Learning Machine[J]. IEEE/ASME Transactions on Mechatronics, 2020, 25(5): 2177-2187. (SCI，IF=5.303, Top期刊, 已检索，WOS:000578004900004)

[13] Zhao X(赵孝礼), Jia M(贾民平*), Liu Z(刘征). Multiple-Order Graphical Deep Extreme Learning Machine for Unsupervised Fault Diagnosis of Rolling Bearing, IEEE Transactions on Instrumentation and Measurement, 2021, 70:1-12. (SCI, IF=4.016, Top期刊，已检索，WOS:000681487400086)

[14] Zhao X(赵孝礼), Jia M(贾民平*), Liu Z(刘征). Semisupervised Deep Sparse Auto-Encoder With Local and Nonlocal Information for Intelligent Fault Diagnosis of Rotating Machinery, IEEE Transactions on Instrumentation and Measurement, vol. 70, pp. 1-13, 2021, Art no. 3501413, doi: 10.1109/TIM.2020.3016045.[J]. IEEE Transactions on Instrumentation and Measurement, 2020, 70: 1-13. (SCI, IF=4.016, Top期刊，已检索，WOS:000591842200001)

[15] Zhao X(赵孝礼), Jia M(贾民平*), Lin M(林明耀). Deep Laplacian Auto-encoder and its application into imbalanced fault diagnosis of rotating machinery[J]. Measurement, 2020, 152: 107320.  (SCI, IF=3.927, 已检索WOS:000508908600056.) (ESI 高被引论文)

[16] Zhao X(赵孝礼), Jia M(贾民平*). A novel unsupervised deep learning network for intelligent fault diagnosis of rotating machinery[J]. Structural Health Monitoring, 2020, 19(6):1745-1763. (SCI, IF=5.929, Top期刊, 已检索，WOS:000507188200001)

[17] Zhao X(赵孝礼), Jia M(贾民平*). Fault diagnosis of rolling bearing based on feature reduction with global-local margin Fisher analysis[J]. Neurocomputing, 2018, 315: 447-464. (SCI, IF=5.719, 已检索，WOS:445934400041)

[18] Zhao X(赵孝礼), Jia M(贾民平*). A new Local-Global Deep Neural Network and its application in rotating machinery fault diagnosis[J]. Neurocomputing, 2019, 366(13): 215-233. (SCI, IF=5.719, 已检索， WOS:000488202500021 )

[19] Zhao X(赵孝礼), Jia M(贾民平*). A Novel Deep Fuzzy Clustering Neural Network Model and Its Application in Fault Recognition of Rolling Bearing[J]. Measurement Science and Technology, 2018, 29: 125005 (21pp). (SCI, IF =2.046, 已检索，WOS:000449152500005)

[20] Zhao X(赵孝礼), Jia M(贾民平*), Ding P(丁鹏), Liu Z(刘征), et al. A new intelligent weak fault recognition framework for rotating machinery [J]. International Journal of Acoustics and Vibration, 2020, 25(3): 461-479. ( SCI, IF=0.581, 已检索，WOS:000576373600017)

[21] Zhao X, Jia M, Liu Z. Fault diagnosis framework of rolling bearing using adaptive sparse contrative auto-encoder with optimized unsupervised extreme learning machine[J]. IEEE Access, 2019, 8: 99154-99170.

[22] 赵孝礼, 赵荣珍*. 全局与局部判别信息融合的转子故障数据集降维方法研究[J]. 自动化学报, 2017, 43(4): 560-567. ( EI期刊, 国内一级学报, 已检索，Accession number: 20172403755187).

[23] 赵孝礼, 赵荣珍*, 孙业北, 何敬举. 基于正则化核最大边界投影维数约简的滚动轴承故障诊断[J]. 振动与冲击, 2017, 36(14):104-110. ( EI, 期刊, 已检索，Accession number: 20174204281960).

[24] Zhao X(赵孝礼), Zhao R (赵荣珍*). A Method to Integrate KSSOMFA and WKNN Together on Faults Identification of Rotating Machinery[C]. 2016 13th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI). IEEE216675-680. (EI, 国际会议, 已检索，Accession number: 20172403755187)

[25] Zhao X(赵孝礼), Liu Z(刘征*), Wang T(王腾), Bin J(宾俊驰), M. Jia (贾民平), Unsupervised Fault Diagnosis of Machine via Multiple-Order Graphical Deep Extreme Learning Machine [C]. The 9th Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling, 2020: 1-6. (APARM 2020 – Vancouver). (EI, 国际会议, 已检索)

[26] Zhao X(赵孝礼), Yao J(姚建勇*), Deng W(邓文翔), et al. Imbalanced Fault Diagnosis of Bearing-Rotor System via Normalized Conditional Variational Auto-Encoder with Adaptive Focal Loss[C]//2021 Global Reliability and Prognostics and Health Management (PHM-Nanjing). IEEE, 2021: 1-6. (EI, 国际会议, 已检索，Accession number: 20220511542295)

[27] 赵荣珍, 赵孝礼, 何敬举，刘韵佳，相关流形距离在转子故障数据集分类中的应用方法[J]. 振动与冲击, 2017, 36(18):125-130. ( EI期刊, 已检索, Accession number: 20174804454428导师一作，学生二作).

[28] 赵孝礼,姚建勇,邓文翔等.“数智化”背景下高校兵器类专业教学新模式改革浅析[J].科技风,2023(07):98-100.DOI:10.19392/j.cnki.1671-7341.202307032.

[29] 赵孝礼. 全局与局部特征信息融合的旋转机械故障数据集降维方法研究[D].兰州理工大学,2017.

[30] 赵孝礼. 基于图嵌入自编码的滚动轴承故障诊断方法研究[D].东南大学,2021.DOI:10.27014/d.cnki.gdnau.2021.000057.

合作成果：

[1] Zhuang, J., Cao, Y., Jia, M., Zhao, X., & Peng, Q. (2023). Remaining useful life prediction of bearings using multi-source adversarial online regression under online unknown conditions[J]. Expert Systems with Applications, 2023, 227: 120276.

[2] Zhuang, J., Cao, Y., Jia, M., Zhao, X., & Peng, Q. (2023). Fault diagnosis of bearings using a two-stage transfer alignment approach with semantic consistency and entropy loss[J]. Expert Systems with Applications, 2023, 226: 120274.

[3] Cao Y, Jia M, Zhao X (赵孝礼), et al. Semi-supervised machinery health assessment framework via temporal broad learning system embedding manifold regularization with unlabeled data[J]. Expert Systems with Applications, 2023, 222: 119824.

[4] Y Cao, M Jia, Y Ding, X Zhao(赵孝礼), P Ding, L Gu et al. Complex domain extension network with multi-channels information fusion for remaining useful life prediction of rotating machinery[J]. Mechanical Systems and Signal Processing, 2023, 192: 110190.

[5] P. Ding, M. Jia, Y. Ding, Y. Cao, J. Zhuang and X. Zhao(赵孝礼), "Machinery Probabilistic Few-Shot Prognostics Considering Prediction Uncertainty," in IEEE/ASME Transactions on Mechatronics, doi: 10.1109/TMECH.2023.3270901.

[6] Y. Ding, M. Jia, Y. Cao, X. Yan, X. Zhao(赵孝礼) and C. -G. Lee, "Unsupervised Fault Detection With Deep One-Class Classification and Manifold Distribution Alignment," in IEEE Transactions on Industrial Informatics, doi: 10.1109/TII.2023.3275696.

[7] She, D., Chen, J., Yan, X., Zhao, X.(赵孝礼), & Pecht, M. (2023). Diversity maximization-based transfer diagnosis approach of rotating machinery[J]. Structural Health Monitoring, 2023: 14759217231164921.

[8] Zhuang, J., Cao, Y., Jia, M., Zhao, X.(赵孝礼), & Peng, Q. (2023). Fault diagnosis of bearings using a two-stage transfer alignment approach with semantic consistency and entropy loss[J]. Expert Systems with Applications, 2023: 120274.

[9] Zhuang, J., Cao, Y., Jia, M., Zhao, X.(赵孝礼), & Peng, Q. (2023). Remaining Useful Life Prediction of Bearings Using Multi-Source Adversarial Online Regression Under Online Unknown Conditions. Expert Systems with Applications, 120276.

[10] Y. Cao, J. Zhuang, M. Jia, X. Zhao(赵孝礼), X. Yan and Z. Liu, "Picture-in-Picture Strategy-Based Complex Graph Neural Network for Remaining Useful Life Prediction of Rotating Machinery," in IEEE Transactions on Instrumentation and Measurement, vol. 72, pp. 1-11, 2023, Art no. 2511311, doi: 10.1109/TIM.2023.3268456.

[11] Weng, C., Lu, B., Gu, Q., & Zhao, X.(赵孝礼) (2023). A novel hierarchical transferable network for rolling bearing fault diagnosis under variable working conditions[J]. Nonlinear Dynamics, 2023: 1-20.

[12] Ding, Y., Jia, M., Cao, Y., Ding, P., Zhao, X.(赵孝礼), & Lee, C. G. (2023). Domain generalization via adversarial out-domain augmentation for remaining useful life prediction of bearings under unseen conditions. Knowledge-Based Systems, 261, 110199.

[13] C. Weng, B. Lu, Q. Gu and X. Zhao(赵孝礼), "A Novel Multisensor Fusion Transformer and Its Application Into Rotating Machinery Fault Diagnosis," in IEEE Transactions on Instrumentation and Measurement, vol. 72, pp. 1-12, 2023, Art no. 3507512, doi: 10.1109/TIM.2023.3244822.

[14] Ding, Y., Jia, M., Zhuang, J., Cao, Y., Zhao, X.(赵孝礼), & Lee, C. G. (2023). Deep imbalanced domain adaptation for transfer learning fault diagnosis of bearings under multiple working conditions. Reliability Engineering & System Safety, 230, 108890.

[15] Xu, Y., Yan, X., Feng, K., Zhang, Y., Zhao, X.(赵孝礼),, Sun, B., & Liu, Z. Global contextual multiscale fusion networks for machine health state identification under noisy and imbalanced conditions[J]. Reliability Engineering & System Safety, 2023, 231: 108972.

2022

[16] Cao, Y., Jia, M., Zhuang, J., & Zhao, X. (赵孝礼)(2022). Research on sparsity measures for rotating machinery health monitoring[J]. Journal of Mechanical Science and Technology, 2022, 36(12): 5831-5843.

[17] Wu, D., Jia, M., Cao, Y., Ding, P., & Zhao, X. (赵孝礼)(2022). Remaining useful life estimation based on a nonlinear Wiener process model with CSN random effects[J]. Measurement, 2022, 205: 112232.

[18] Zhuang, J., Jia, M., Cao, Y., & Zhao, X.(赵孝礼) (2022). Semi-supervised double attention guided assessment approach for remaining useful life of rotating machinery[J]. Reliability Engineering & System Safety, 2022, 226: 108685.

[19] Zhuang J, Jia M, Zhao X. (赵孝礼), An adversarial transfer network with supervised metric for remaining useful life prediction of rolling bearing under multiple working conditions[J]. Reliability Engineering & System Safety, 2022, 225: 108599.

[20] Cao, Y., Jia, M., Ding, P., Zhao, X.,(赵孝礼) & Ding, Y. (2022). . Incremental learning for remaining useful life prediction via temporal cascade broad learning system with newly acquired data[J]. IEEE Transactions on Industrial Informatics, 2022.

[21] Ding, P., Jia, M., Ding, Y., Cao, Y., & Zhao, X. (2022). Intelligent machinery health prognostics under variable operation conditions with limited and variable-length data[J]. Advanced Engineering Informatics, 2022, 53: 101691.

[22] DingP, JiaM, Zhuang J, DingY, Cao Y, Zhao X(赵孝礼)Multiobjective Evolution Enhanced Collaborative Health Monitoring and Prognostics: A Case Study of Bearing Life Test With Three-Axis Acceleration Signals[J]. IEEE Transactions on Instrumentation and Measurement, 2022, 71: 1-12. (SCI);

[23] J. Zhuang, M. Jia, Y. Ding and X. Zhao(赵孝礼), Health assessment of rotating equipment with unseen conditions using adversarial domain generalization toward self-supervised regularization learning[J]. IEEE/ASME Transactions on Mechatronics, 2022, 27(6): 4675-4685, doi: 10.1109/TMECH.2022.3163289.

[24] Ding Y, Ding P, Zhao X(赵孝礼), et al. Transfer learning for remaining useful life prediction across operating conditions based on multisource domain adaptation[J]. IEEE/ASME Transactions on Mechatronics, 2022, 27(5): 4143-4152.

2021

[25] DingP, JiaM, ZhaoX(赵孝礼), Meta deep learning based rotating machinery health prognostics toward few-shot prognostics[J]. Applied soft computing, 2021, 104: 107211.(SCI, 已发表);

[26] DingP, JiaM, DingY, ZhaoX(赵孝礼). Statistical alignment based meta gated recurrent unit for cross-domain machinery degradation trend prognostics using limited data[J]. IEEE Transactions on Instrumentation and Measurement, 2021, 70: 1-12. (SCI，已发表);

2020之前

[27] ShaoJ, NiuY, XueC, WuQ, ZhouX, XieY, ZhaoX(赵孝礼). Single-channel SEMG using wavelet deep belief networks for upper limb motion recognition[J]. International Journal of Industrial Ergonomics, 2020, 76: 102905. (SCI, 已检索)

[28] WangT, LiuZ,ZhaoX(赵孝礼), LiaoM, MradN. Bayesian-Based Method for the Remaining Useful Life and Reliability Prediction of Steel Structure[C]. The 9th Asia-Pacific International Symposium on Advanced Reliability and Maintenance Modeling (APARM 2020 –Vancouver)  (国际会议, EI 已检索)

[29] 赵荣珍, 数据驱动途径的典型旋转机械智能故障决策知识粒计算问题研究. 甘肃省,兰州理工大学,2021-03-29.

[30] 何敬举,赵荣珍,赵孝礼等.基于邻域粗糙集的转子故障数据属性约简[J].机械设计与制造工程,2018,47(03):22-26.

[31] 赵荣珍,赵孝礼,何敬举等.相关流形距离在转子故障数据集分类中的应用方法[J].振动与冲击,2017,36(18):125-130+139.DOI:10.13465/j.cnki.jvs.2017.18.019.

Book chapter:

[01] Zheng Liu, Minping Jia,Xiaoli Zhao, Adaptive Deep Auto-encoder with Cuckoo Search Algorithm for Intelligent Fault Diagnosis of Rotating Machinery[M].Nature-inspired Computing Paradigms in Systems-RAMS+C & PHM,Elsevier 2020.

[1] 赵孝礼,胡渊豪,宋艺博,何显松,周宁,杨晓伟,姚建勇,丁鹏,赵转哲,高洋,李佳,裴洪。一种电静液作动器复合故障智能解耦诊断方法[P].发明专利:202410908709.5, 2024.07.08.

[2] 赵孝礼;胡渊豪;刘家辉;朱星俊;宋艺博;姚建勇;邓文翔;胡健;葛曜文.一种基于注意力卷积胶囊网络的比例伺服阀故障诊断方法[P].发明专利:CN118312879A, 2024.07.09.

[3] 姚建勇;马嘉华;邓文翔;赵孝礼.固定时间动量观测器的阀控液压机械臂外力矩检测方法[P].发明专利:CN118305798A,2024.07.09.

[4] 姚建勇; 周宁; 仇智; 赵孝礼; 杨晓伟; 白艳春; 梁相龙.一种考虑未知液动力补偿的智能阀阀芯位移控制方法[P].发明专利:CN202410241676.3,2024-05-24.

[5] 史记; 杨玉磊; 范元勋; 赵孝礼; 谭汝健.一种基于扑翼飞行器停歇的仿生腿爪装置[P].发明专利:CN202410332532.9,2024-06-28.

[6] 胡健 马明星 姚建勇 赵孝礼 邓文翔 曹萌萌 陈伟. 基于数据驱动的七自由度机械臂数字孪生体的构建方法[P]. 发明专利：CN202410193672.2,2024-04-02.

[7] 胡健; 王泽鸣; 姚建勇; 赵孝礼; 邓文翔.一种先导式比例伺服阀鲁棒输出反馈复合控制方法[P].发明专利:CN202310527143.7,2024-04-05.

[8] 胡健; 林家伟; 曹萌萌; 陈伟; 姚建勇; 邓文翔; 赵孝礼.一种基于内反馈超螺旋外力矩观测的机械臂碰撞检测方法[P].发明专利:CN202311838067.8,2024-03-08.

[9] 王海建;胡健;姚建勇;邓文翔;赵孝礼. 基于神经网络观测器的火箭炮机电伺服系统容错控制方法[P].发明专利，公开日20230811, CN202310536040.7 (已公开)

[10] 朱炜;姚文进;张小静;郑宇;李文彬;赵孝礼;王晓鸣. 一种基于纳米多孔材料液体与纤维复合材料的防爆结构[P].发明专利，公开日20230530, CN202310038514.5(已公开)

[11] 赵孝礼; 姚建勇; 邓文翔; 胡健. 波动工况下深度迁移图卷积网络的航空轴承故障诊断方法[P].发明专利，授权公告日2023.03.31,CN115563553B (已授权);

[12] 赵孝礼;姚建勇;邓文翔;胡健. 相关能量奇异谱分解的工程机械主梁结构损伤识别方法[P].发明专利，公开日20230113, CN115597845A. (已公开)

[13] 赵孝礼;姚建勇;邓文翔;孙宇昕;朱炜;杨玉磊;胡健. 一种领域泛化图自编码的发射系统伺服电机轴承智能诊断方法[P].发明专利，公开日20230623, CN116296391A (已公开);

[14] 贾民平,丁鹏, 赵孝礼, 杨诚, 佘道明, 许飞云, 胡建中, 黄鹏.平稳子空间外源矢量自回归的旋转机械退化趋势预测方法.[P] 发明专利，授权日，2023.04.18, CN111291918B (已授权);

[15] 贾民平, 赵孝礼, 沈慧, 胡建中, 许飞云, 黄鹏. 一种深度拉普拉斯自编码的旋转机械故障诊断方法[P].发明专利，授权公告日2020.10.09, ZL 201910308770.5. (已授权);

[16]  贾民平, 赵孝礼, 胡建中, 许飞云, 黄鹏, 佘道明, 鄢小安. 一种无监督深度学习网络的机械故障诊断方法[P].发明专利, 授权公告日: 2020.03.31, 授权号：ZL 201810736521.1. (已授权);

[17] 贾民平, 赵孝礼, 杨诚, 丁鹏, 胡建中, 许飞云, 黄鹏. 一种自适应稀疏压缩自编码的滚动轴承故障诊断系统. [P]发明专利, 申请公布日2020.02.28, CN110849626 A. (公开实质审查);

[18]  贾民平, 丁鹏, 赵孝礼, 佘道明, 黄鹏, 胡建中, 许飞云. 元深度学习驱动的旋转机械小样本健康评估方法. [P]发明专利, 申请公布日20200922, CN111695209A.(已授权);

[19] 贾民平, 杨诚, 许飞云, 胡建中, 黄鹏, 佘道明, 赵孝礼. 基于变分模态分解和相空间平行因子分析的滚动轴承微弱故障特征提取方法.[P] 发明专利,申请公布日2019.11.29, CN 110514444 A. (已授权);

[20] 薛澄岐, 邵俊凯, 刘威, 赵孝礼, 牛亚峰. 多变量墙体清扫机器人.[P] 发明专利，申请公布日2018.09.21, CN108553039A. (已授权);

• [01] 任南京理工大学机械工程学院2021级本科生兵器(三)班、班导师；

• [02] 任南京理工大学机械工程学院3名本科生导师；

• [03] 每学年讲授课程包括：

  《火箭发射装置传动系统与控制》(本科生选修课程)；

  《火箭发射系统概论》(研究生课程)；

  《智能运维与健康管理》(本科生课程)；

  《火箭炮智能随动控制与运维》(研究生课程)等课程；

• [04]南京理工大学“本科教学改革与建设工程-创新性开放实验项目2022”《武器发射系统关键零部件智能测控与运维》CXXM2022004，1w，主持；

• [05]南京理工大学-项目式教学改革-示范课群，“XXX火箭炮课程”，参与；

• [06]共计指导10名本科生毕业设计，其中去向多为保研以及考研，并发表SCI期刊论文以及申请发明专利多项；

• [07]指导3名硕士研究生；协助指导2~3硕士研究生，1~2博士研究生；

•  

指导(或协助指导)博士生2~3名，硕士生5~6名等，本科生若干。

学生毕业后，基本都进入IT互联网、计算机与人工智能、电子信息、智能制造等领域或军工、国企、大型研究所等。

个人概况

系别：机械工程学院/火箭导弹发射工程系

职称/职务：讲师/助理教授

学位：工学博士

办公室：南京理工大学机械工程学院院楼202

邮编：210094

QQ号：1220116683

相关链接：

ResearchGate：https://www.researchgate.net/profile/Xiaoli-Zhao-6

Google Scholar：https://scholar.google.com/citations?hl=en&user=9XRCgT0AAAAJ&view_op=list_works

个人主页：http://teacher.njust.edu.cn/jxgc/zxl/list.htm

不列颠哥伦比亚大学电子工程系 UBC Visiting scholar：https://analytics.ok.ubc.ca/team.html

Email：xlzhao@njust.edu.cn（南京理工大学）、zhaoxiaoli5258@163.com

赵孝礼现为南京理工大学机械工程学院讲师、硕导，2021年1月博士毕业于东南大学，并入职南京理工大学长江学者姚建勇教授团队，2019.09-2020.09曾在加拿大不列颠哥伦比亚大学(UBC)联合培养。主要从事机电液装备智能运维与健康管理、武器装备智能化、人工智能与智能机器人、数字孪生等方面研究工作。先后入选江苏省“双创博士”、斯坦福大学全球前2%顶尖科学家、南京市支持海外人才创新创业行动计划（“海智湾”）等。截止目前，本人共计已发表/在线发表学术论文68篇，以第一作者发表SCI期刊论文20余篇、EI论文10余篇，其中中科院大类分区二区以上16篇，一区Top 期刊13篇, IEEE汇刊 8篇，4篇入选ESI高被引论文、1篇入选ESI热点论文，影响因子超10的有4篇，Information Fusion影响因子达18.6，谷歌学术总引超2100余次；共计申请发明专利20余件，授权10件。主持国家自然科学基金青年项目、江苏省自然科学基金青年项目、中国教育部博后基金面上项目、中央高校基本业务项目、自主科研-交叉原创项目、浙大流体传动国家重点实验室开放课题、重大机械传动国家重点实验室开放课题、火箭军工程大学智控实验室开放基金等国家级、省部级等各类项目10余项；参与国家重点研发计划项目、JKW 173基础加强等项目6项。获2023年江苏省振动工程学会科学技术一等奖1项等。

同时也是中国振动工程学会故障诊断专业青年委员、江苏省仪器仪表学会状态监测与故障诊断仪器专业委员、江苏省振动工程学会青年委员等，兼任《International Journal of Hydromechatronics》、《Frontiers in Mechanical Engineering》、《Journal of Dynamics, Monitoring and Diagnostics》、《中北大学学报自然科学版》等多个SCI/EI期刊(青年)编委，兼任多个会议、期刊组织活动的客座编委、委员、分主席等，也是一系列ASME/IEEE Trans等高水平期刊优秀审稿人等。曾获得三次国家研究生奖学金、省级优秀学位论文、各校级、企业级奖学金、优秀教职工奖或其他荣誉若干。研究成果得到多位国内外院士和行业Fellow的高度称赞。如闻邦椿院士高度评价我们所提出的“传动系统类别不平衡智能诊断框架取得了优异的诊断性能”；丁汉院士指出我们的工作展示出“卓越的学习效率并成功用于工业系统”。本人代表性贡献如下：1.实现了电液系统高保真故障机理模型建模与可靠性优化设计；2.提出了电液系统高可靠智能监测与智能诊断理论框架；3.完成了电液系统高置信健康管理及工程化应用。具体情况见个人简历与个人主页。

团队信息：