中文
  • 刘晨亮 50
  • Doctoral degree
  • School of Automation
 

Educational Background

  • 2020.92024.6

     中南大学   控制科学与工程   Doctoral degree   With Certificate of Graduation for Doctorate Study 

  • 2023.12024.1

     新加坡南洋理工大学   化学、化学工程和生物技术学院   联合培养博士 

  • 2019.92020.6

     中南大学   控制科学与工程   硕博连读 

  • 2015.92019.6

     哈尔滨理工大学   自动化   Bachelor's degree   University graduated 

Work Experience

  • 2024.6Now

    中南大学      自动化学院    讲师

Research Group

  • Name of Research Group:控制工程研究所

    Description of Research Group:课题组隶属控制工程研究所,具有良好的科研平台,包括国家自然科学基金创新研究群体,制造过程智能控制与优化决策创新引智基地(“111”计划),工业智能与系统教育部重点实验室、有色冶金自动化教育部工程研究中心等。

 

Personal Information

刘晨亮,工学博士,中南大学自动化学院讲师。

2024年6月获中南大学控制科学与工程专业博士学位(导师:王雅琳教授),2023年1月至2024年1月期间受国家留学基金委资助,在新加坡南洋理工大学进行联合培养。作为技术骨干参与科技部国家重点研发计划项目、国家自然科学基金重大研究计划重点项目等。


主要研究方向:人工智能与深度学习、工业大数据分析与建模、工业过程智能优化决策、智能制造与工业互联网等。


以第一/通讯作者在IEEE/CAA Journal of Automatica Sinica、IEEE Transactions on Industrial Informatics、IEEE Transactions on Industrial Electronics、IEEE Transactions on Cybernetics、IEEE Transactions on Knowledge and Data Engineering等自动化领域国际权威期刊发表SCI论文20余篇,其中ESI 1%高被引论文1篇,谷歌学术引用500余次,担任Nature Communications、IEEE TASE、IEEE TIM、EAAI、CEP等国际期刊审稿人。

曾荣获湖南省优秀毕业生、湖南省“芙蓉学子”学术科研奖、中南大学优秀毕业生、中南大学大学生年度人物等奖励。


团队招收博士和硕士研究生,及部分学有余力的优秀本科生!

相关学科和研究领域包括但不限于:自动化、控制、计算机、数学、通信、工业互联网、人工智能、大数据分析等。

课题组氛围融洽,欢迎有意向从事相关研究工作的同学加入课题组!

联系邮箱:lcliang@csu.edu.cn


【代表性论文】

[1] Multiscale feature fusion and semi-supervised temporal-spatial learning for performance monitoring in the flotation industrial process[J]. IEEE Transactions on Cybernetics, 2024, 54(2): 974-987.

[2] Learning deep multimanifold structure feature representation for quality prediction with an industrial application[J]. IEEE Transactions on Industrial Informatics, 2022, 18(9): 5849-5858.

[3] Operating condition recognition of industrial flotation processes using visual and acoustic bimodal autoencoder with manifold learning[J]. IEEE Transactions on Industrial Informatics, 2024, 20(5): 7428-7439.

[4] Data mode related interpretable transformer network for predictive modeling and key sample analysis in industrial processes[J]. IEEE Transactions on Industrial Informatics, 2023, 19(9): 9325-9336.

[5] Adaptive attention-driven manifold regularization for deep learning networks: Industrial predictive modeling applications and beyond [J]. IEEE Transactions on Industrial Electronics, 2024, 71(10): 13439-13449.

[6] Multimodal data-driven reinforcement learning for operational decision-making in industrial processes[J]. IEEE/CAA Journal of Automatica Sinica, 2024, 11(1): 252-254.

[7] Scope-free global multi-condition-aware industrial missing data imputation framework via diffusion transformer [J]. IEEE Transactions on Knowledge and Data Engineering, 2024, 36(11): 6977-6988.

[8] Blackout missing data recovery in industrial time series based on masked-former hierarchical imputation framework[J]. IEEE Transactions on Automation Science and Engineering, 2024, 21(2): 1138-1150.

[9] Revolutionizing flotation process working condition identification based on froth audio[J]. IEEE Transactions on Instrumentation and Measurement, 2023, 72: 9513012.

[10] Deep nonlinear dynamic feature extraction for quality prediction based on spatiotemporal neighborhood preserving SAE[J]. IEEE Transactions on Instrumentation and Measurement, 2021, 70: 2516310.




  • School/Department:School of Automation
  • Education Level:With Certificate of Graduation for Doctorate Study
  • Sex:Male
  • Contact Information:lcliang@csu.edu.cn
  • Degree:Doctoral degree
  • Status:Employed
  • Alma Mater:中南大学
  • Discipline:Control Science and Engineering
  • Email:lcliang@csu.edu.cn
Central South University  All rights reserved  湘ICP备05005659号-1 Click:
  MOBILE Version

The Last Update Time:..