张天赐

个人简介

        张天赐，1995年生，工学博士，中南大学机电工程学院讲师。2018年获西安交通大学工学学士学位，2023年获西安交通大学工学博士学位，2022-2023年于新加坡国立大学访学。曾获陕西高等学校科学技术研究优秀成果一等奖、博士生国家奖学金、中国光谷奖学金等荣誉。

1.         研究方向为复杂装备（航空航天发动机、大型掘进机、人形机器人等）的健康管理与智能运维，主持/参与国家自然科学基金青年基金（C类）、国家重点研发计划子课题、湖南省自然科学基金青年基金等项目7项。在IEEE TII、IEEE TIE、MSSP等国际著名学术期刊发表研究论文23篇（ESI高被引论文4篇），论文被引总次数2000+，单篇最高被引次数500+，H-index为16，公开授权国家发明专利1项。担任湖南省机械故障诊断与测控技术学会理事，担任IEEE TIE、MSSP、RESS等国际著名学术期刊审稿人。目前在唐进元教授科研团队（航空动力传动极端服役性能精准设计制造研究团队）从事教学科研工作。 

        欢迎对机械信号处理、智能故障诊断、机器学习与深度学习等方向感兴趣的本科生提前入组开展科研探索，来信必复！

学术研究

1：航空发动机主轴承运行状态监测与故障诊断

2：人形机器人谐波减速器异常抖动状态溯源辨识

3：物理信息神经网络（PINN）驱动的可解释机械故障特征提取

4：大模型（如Deepseek等）驱动的高端装备健康管理与智能运维

主要项目经历

1：国家自然科学基金青年基金（C类），多源协同PINN驱动的谐波减速器异常抖动机械成因辨识方法研究，2026-01~2028-12，主持

2：国家重点研发计划子课题，基于真实齿面的双向传动精密行星减速器传动精度保持性研究，2024-12~2027-11，主持

3：湖南省自然科学基金青年基金（C类），过渡态下航空发动机主轴承健康状态的高精度智能识别方法研究，2025-01~2027-12，主持

4：国家自然科学基金项目，类不平衡样本下涡轮泵轴承的健康状态智能识别，2023-01~2026-12，参与

5：国家自然科学基金项目，基于深度神经网络的航空发动机气路故障智能识别技术研究，2020-01~2023-12，参与

10项代表成果

[1]  Zhang T, et al. Prior knowledge-informed multi-task dynamic learning for few-shot machinery fault diagnosis [J]. Expert Systems with Applications, 2025. (SCI一区，IF=7.5) 

[2]  Zhang T, et al. Self-supervised contrastive learning with scale-sensitive receptive fields for machine fault diagnosis under sharp speed variation [J]. Measurement Science and Technology, 2025. (SCI一区，IF=3.4)  

[3]  Zhang T, et al. Domain Discrepancy-guided Contrastive Feature Learning for Few-shot Industrial Fault Diagnosis under Variable Working Conditions [J]. IEEE Transactions on Industrial Informatics, 2023.  (SCI一区，IF=11.6) 

[4]  Zhang T, et al. Prior Knowledge-Augmented Self-Supervised Feature Learning for Few-Shot Intelligent Fault Diagnosis of Machines [J]. IEEE Transactions on Industrial Electronics, 2022.  (SCI一区，IF=8.2，ESI高被引)

[5]  Zhang T, et al. A Small Sample Focused Intelligent Fault Diagnosis Scheme of Machines via Multi-modules Learning with Gradient Penalized Generative Adversarial Networks[J]. IEEE Transactions on Industrial Electronics, 2021.  (SCI一区，IF=8.2)

[6]  Zhang T, et al. Feature-level Consistency Regularized Semi-supervised Scheme with Data Augmentation for Intelligent Fault Diagnosis under Small Samples [J]. Mechanical Systems and Signal Processing, 2023.  (SCI一区，IF=8.4) 

[7]  Zhang T, et al. Intelligent fault diagnosis of machines with small & imbalanced data: A state-of-the-art review and possible extensions[J]. ISA Transactions, 2022.  (SCI一区，IF=5.9，ESI热点)

[8]  Zhang T, et al. Toward Small Sample Challenge in Intelligent Fault Diagnosis: Attention-Weighted Multidepth Feature Fusion Net with Signals Augmentation [J]. IEEE Transactions on Instrumentation and Measurement, 2022.  (SCI一区，IF=5.3)

[9]  Zhang T, et al. SASLN: Signals Augmented Self-Taught Learning Networks for Mechanical Fault Diagnosis Under Small Sample Condition [J]. IEEE Transactions on Instrumentation and Measurement, 2021.  (SCI一区，IF=5.3)

[10]  陈景龙, 张天赐, 訾艳阳. 小样本下基于自我学习的变工况机械故障智能诊断方法, CN110647923A[P]. 2020.

指导学生情况

2025年：

机械2309班，孙畅，国家级大学生创新创业项目立项

机械2103班，刘江涛，本科毕业设计院优

教育经历

[1]   2022.12-2023.12

新加坡国立大学  |  机械工程 无
博士生联合培养

[2]   2018.9-2023.12

西安交通大学  |  机械工程  |  工学博士学位  |  博士研究生毕业

[3]   2014.9-2018.6

西安交通大学  |  机械工程  |  工学学士学位  |  大学本科毕业

工作经历

[1]   2024.8-至今

中南大学机电工程学院  |  机电工程学院  |  讲师

其他联系方式