个人简介
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.
教育经历
[1] 2020.9-2024.6
中南大学 | 控制科学与工程 | 博士学位 | 博士研究生毕业
[2] 2023.1-2024.1
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
[3] 2019.9-2020.6
中南大学 | 控制科学与工程 硕博连读
[4] 2015.9-2019.6
哈尔滨理工大学 | 自动化 | 学士学位 | 大学本科毕业
工作经历
[1] 2024.6-至今
中南大学
|
自动化学院
|
讲师
团队成员
团队名称：控制工程研究所
团队介绍：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。