个人简介：

胡杨，北京航空航天大学杭州国际创新研究院（国际创新学院）副研究员、博士生导师，2015年博士毕业于意大利米兰理工大学（导师 Enrico Zio 教授）。近年来专注于复杂系统故障预测与健康管理（PHM）、人工智能、装备/系统体系建模与仿真等方面的研究。作为项目负责人或联合负责人，主持国家和省部级科研项目18项，累计经费3900余万元，完成了新一代航空装备保障体系顶层设计、基于PHM的保障模式设计、PHM与保障系统能力需求论证、智能保障系统、保障效能仿真、保障大数据应用系统等一批重大研究课题。

以第一作者或通讯作者在 Reliability Engineering & System Safety、Mechanical Systems and Signal Processing 等国际知名期刊发表学术论文30余篇，出版专著2部；据 Google Scholar 统计，论文总被引1600余次，h-index 16、i10-index 21。获中国航空学会自然科学奖二等奖1项（排名第1）、军队科学技术进步奖二等奖2项，授权国家发明专利5项、软件著作权2项。2020年入选中国科协青年人才托举工程。

研究方向：

  • 复杂系统故障预测与健康管理（PHM）
  • 人工智能与工业大数据
  • 装备/系统体系建模与仿真
  • 智能运维与预测性维修决策优化

科研项目：

主持的代表性项目（近年）

  • 2025.09 – 2026.09　基于多模态数据的资产系统一体化运维运控软件开发（上海亿流科技有限公司），105万元，课题负责人（排名1/8）
  • 2025.10 – 2026.06　典型产品可靠性测试验证系统开发（工信部电子信息五所），42.8万元，项目执行负责人（排名1/6）
  • 2023.02 – 2024.12　新机精确保障研究与验证，300万元，课题负责人（排名1/8）
  • 2023.01 – 2024.12　飞机健康管理系统标准体系研究，50万元，课题负责人（排名1/7）
  • 2021.03 – 2023.11　新一代航空装备智能保障系统研究，800万元，项目负责人
  • 2022.05 – 2025.05　航空装备敏捷保障关键技术研究，300万元，项目负责人
  • 2020.03 – 2022.03　保障资源态势感知与装备优选模型研究，380万元，项目负责人
  • 2020.03 – 2022.03　飞机健康管理与智能保障技术研究（中国科协青年人才托举计划，国家级人才计划），45万元，编号 YESS20200302
  • 2019.08 – 2021.08　军事智能单体与群智能算法概念研究（科技委创新特区项目），75万元，项目负责人
  • 2018.01 – 2020.12　工业大数据环境下基于深度学习的设备健康指标自学习与PHM通用建模技术（国家自然科学基金青年基金项目），22万元，编号 61703431
  • 2022.09 – 2023.09　基于人工智能的装备维修决策算法模型（预研快速扶持课题），21万元

工作经历：

  • 2024 – 至今　副研究员 / 博士生导师，北京航空航天大学杭州国际创新研究院（国际创新学院）·智慧民航科创中心。
  • 2016.12 – 2024　工程师，相关研究院所，从事装备预测与健康管理、装备综合保障、数字化与智能化保障技术研究。
  • 2015.09 – 2016.10　助理研究员，苏黎世应用科技大学工程学院（瑞士温特图尔）。从事装备预测性维修、基于机器学习的信号处理方法研究。

教育背景：

  • 2012.10 – 2015.11　博士，能源工程，意大利米兰理工大学能源学院（国家公派）。导师：Enrico Zio 教授。博士论文获2015年度米兰理工大学优等博士论文。
  • 2010.09 – 2012.06　硕士，军事装备学，国防科技大学系统工程学院。导师：罗鹏程教授。硕士论文获2014年度湖南省优秀硕士学位论文。
  • 2006.09 – 2010.06　学士，管理工程，国防科技大学系统工程学院。

课程教学：

  • Probability & Statistics（概率统计，全英文授课）——国际留学研究生
  • 航空系统健康管理设计与仿真——研究生
  • 机群维修与仿真实验——研究生
  • 军事理论——本科生

论文发表：

作者中 Hu, Y / 胡杨 以原文保留；* 表示通讯作者。

期刊论文 Journal Articles

  1. Zhang, D., Hu, Y*, Zhang, S. & Zhang, Y. Distributed hierarchical reinforcement learning for dynamic maintenance scheduling of large-scale airline fleets. Reliability Engineering & System Safety 256, 112249 (2026). [链接]
  2. Yang, J., Hu, Y*, Yu, Z., Chen, F. & Xu, X. In-depth coordination and extension: Decentralized onboard conflict resolution of UAVs in the low altitude airspace. IEEE Transactions on Intelligent Vehicles 9(1) (2024). [链接]
  3. Liu, Y., Li, X. & Hu, Y*. Differentiable neural architecture search for domain adaptation in fault diagnosis. Mechanical Systems and Signal Processing 202, 110639 (2023). [链接]
  4. Hu, Y*, Miao, X., Si, Y., Pan, E. & Zio, E. Prognostics and health management: A review from the perspectives of design, development and decision. Reliability Engineering & System Safety 217, 108063 (2022). [链接]
  5. Li, X., Zheng, J., Li, M., Ma, W. & Hu, Y*. One-shot neural architecture search for fault diagnosis using vibration signals. Expert Systems with Applications 190, 116027 (2022). [链接]
  6. Li, X., Zheng, J., Li, M., Ma, W. & Hu, Y*. Frequency-domain fusing convolutional neural network: A unified architecture improving effect of domain adaptation for fault diagnosis. Sensors 21(2), 1–26 (2021). [链接]
  7. Hu, Y, Miao, X., Zhang, J., Liu, J.* & Pan, E. Reinforcement learning-driven maintenance strategy: A novel solution for long-term aircraft maintenance decision optimization. Computers & Industrial Engineering 153, 107056 (2021). [链接]
  8. Li, X., Hu, Y*, Zheng, J., Li, M. & Ma, W. Central moment discrepancy based domain adaptation for intelligent bearing fault diagnosis. Neurocomputing 429, 12–24 (2021). [链接]
  9. Liu, J., Hu, Y* & Yang, S. A SVM-based framework for fault detection in high-speed trains. Measurement 172, 108779 (2021). [链接]
  10. Lin, Y. H., Ruan, S. J., Tao, F. & Hu, Y*. Dynamic mode transfer scheduling for degrading standby system considering load-sharing characteristic. IEEE Systems Journal 15(4), 5405–5416 (2021). [链接]
  11. Hu, Y*, Baraldi, P., Di Maio, F., Liu, J. & Zio, E. A method for fault diagnosis in evolving environment using unlabeled data. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability 235(1), 33–49 (2021). [链接]
  12. Michau, G., Hu, Y, Palmé, T. & Fink, O.*. Feature learning for fault detection in high-dimensional condition monitoring signals. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability 234(1), 104–115 (2020). [链接]
  13. Li, X. D., Hu, Y*, Li, M. T. & Zheng, J. H. Fault diagnostics between different type of components: A transfer learning approach. Applied Soft Computing 86, 105950 (2020). [链接]
  14. Lin, Y., Li, X. & Hu, Y*. Deep diagnostics and prognostics: An integrated hierarchical learning framework in PHM applications. Applied Soft Computing 72, 555–564 (2018). [链接]
  15. Hu, Y*, Baraldi, P., Di Maio, F. & Zio, E. A systematic semi-supervised self-adaptable fault diagnostics approach in an evolving environment. Mechanical Systems and Signal Processing 88, 413–427 (2017). [链接]
  16. Hu, Y, Palmé, T. & Fink, O.*. Fault detection based on signal reconstruction with auto-associative extreme learning machines. Engineering Applications of Artificial Intelligence 57, 105–117 (2017). [链接]
  17. Hu, Y, Baraldi, P., Di Maio, F. & Zio, E.*. Online performance assessment method for a model-based prognostic approach. IEEE Transactions on Reliability 65(2), 718–735 (2016). [链接]
  18. Cremona, M. A., Liu, B., Hu, Y, Bruni, S. & Lewis, R. Predicting railway wheel wear under uncertainty using universal kriging. Reliability Engineering & System Safety 154, 49–59 (2016). [链接]
  19. Hu, Y*, Baraldi, P., Di Maio, F. & Zio, E. A particle filtering and kernel smoothing-based approach for new design component prognostics. Reliability Engineering & System Safety 134, 19–31 (2015). [链接]
  20. Luo, P. & Hu, Y. System risk evolution analysis and critical event identification. Reliability Engineering & System Safety 114, 21–28 (2013). [链接]
  21. 苗学问、胡杨*、钱征文、路涛. 航空装备智能保障系统论证研究. 测控技术 39(6) (2020). [链接]

会议及其他 Conference & Others

  1. Hu, Y, Palmé, T. & Fink, O. Deep health indicator extraction: A method based on auto-encoders and extreme learning machines. Annual Conference of the PHM Society (2016). [链接]
  2. Liu, J., Zio, E. & Hu, Y. Particle filtering for prognostics of a newly designed product with a new parameters initialization strategy. IEEE Access 6 (2018). [链接]

专著 Monographs

  1. 胡杨 等. 《智预——装备故障预测与健康管理：全寿命周期解读与实践》. 电子工业出版社，2025.6，ISBN 978-7-121-24762-0.
  2. （专著2，书目信息待补充） / Monograph 2 — bibliographic details to be supplemented.

发明专利 Invention Patents

  1. 胡杨，韩丹阳，陈昕航 等. 基于数字孪生的PHM模型训练数据生成方法及设备. 申请号 202511156367.7，2025.9.
  2. 胡杨，苗学问，何庆杰 等. 一种飞机预测与健康管理性能指标确定方法及装置. 202310827847.6，2024.2.
  3. 苗学问，胡杨，林敏 等. 一种面向多机型通信导航设备的测试资源优化确定方法. 202318005084.8，2024.1.
  4. 苗学问，胡杨，任朝旭 等. 一种基于ATML多信号流建模与仿真方法. 202318005087.1，2023.12.
  5. 苗学问，胡杨，任朝旭 等. 一种面向ATML的诊断测试程序自动生成方法. 202318005086.7，2023.12.

软件著作权 Software Copyrights

  1. 胡杨，苗学问，张军 等. 航空装备作战保障仿真软件. 2021R11L1050664，2021.2.
  2. 胡杨，苗学问，张军 等. 航空装备“六性”与综合保障数据管理系统. 2021R11L1051074，2021.2.

奖励及荣誉：

  • 2020　中国科协第五届青年人才托举工程（国家级人才计划）
  • 2022　中国航空学会自然科学奖二等奖（排名第1）——小数据条件下军用航空发动机结构类故障诊断理论与方法
  • 2019　军队科学技术进步奖二等奖（排名第5）
  • 2022　军队科学技术进步奖二等奖（排名第8）——无人机系统四性与综合保障论证研究
  • 2015　米兰理工大学优等博士论文
  • 2014　湖南省优秀硕士学位论文

招生信息：

课题组长期招收硕士生、博士生与博士后，热忱欢迎对故障预测与健康管理（PHM）、智能运维、工业大数据、复杂系统建模与仿真等方向感兴趣、踏实勤奋、富有创新精神的同学加入团队。

招生学科方向（杭州国际创新研究院）

  • 博士生导师：安全科学与工程（0837，方向：可靠性系统工程）
  • 博士生导师：机械（0855）、电子信息（0854）
  • 博士生导师：控制科学与工程（0811，方向：工业互联网与知识驱动自动化）
  • 硕士生导师：机械（0855）、电子信息（0854）
  • 硕士生导师：控制科学与工程（0811）、低空智能运载工程（9904，方向：低空安全保障技术）

联系方式：yang_hu@buaa.edu.cn

学生培养：

作为责任导师，指导专业型硕士、双学位硕士及留学生硕士；作为合作导师，联合指导课题组博士研究生与博士后多名，协助完成学术论文写作与算法框架设计等工作。鼓励学生独立思考、勇于创新，严格遵守学术道德与诚信。

在读 / 指导研究生（部分）

  • 刘东灿（博士，控制科学与工程，杭州国际创新研究院）
  • 陈昕航、邓畯、李婧（专业型硕士，电子信息）
  • 黄坤隆、吴妍妍（专业型硕士，人工智能/电子信息）
  • 齐永鹏（专业型硕士，交通运输）
  • 张琳涵、魏芷寰（专业型硕士，机械）
  • 彼得、美也喆（留学生硕士）