教育背景/經歷　Education

2009.09-2014.06 華南理工大學 博士生（碩博連讀）
2005.09-2009.07 華僑大學 本科生

工作經歷　Work Experience

科研情況　Scientific

主要研究方向機械故障診斷、健康監測管理、智能制造、深度學習等
1.高能粒子環境靶體拖車系統貧信息狀態的深度特征強化表征研究（51975121），國家自然科學基金面上項目，直接經費60萬元，2020.1-2023.12，主持；
2.基于深度置信網絡診斷模型構建及在風電齒輪傳動系統狀態識別的應用研究（51605406），國家自然科學基金青年項目，2017/01-2019/12，直接經費：20萬元，主持；
3.基于稀疏自編碼理論的風電齒輪傳動系統故障診斷及其壽命預測研究（2018J01531），福建省自然科學基金（面上項目），8萬元，2018/01-2021/12，主持；
4.面向增材制造裝備精密傳動的深度遷移學習健康監測研究（2019M652881），中國博士后科學基金，8萬元，2018/03-2020/03，主持；
5.廣東省普通高校重點領域專項（新一代信息技術）（2020ZDZX3029），12.5萬元，2021/01-2022/12，主持；
6.生物大數據人體狀態智能健康管理（TDQN2019008），東莞理工學院青年團隊項目，30萬，2019/12-2021/12，主持；
7.模具智能制造工業大數據技術成果育成團隊（196100045017），企業項目，30萬，2019/12-2021/12，主持。

出版物　Publications

發表主要論文40多篇，SCI收錄30多篇，其中SCI中科院一區TOP期刊5篇；獲得發明專利授權3件。
1. Zhang S, Sun Z, Wang M, Long J, Bai Y, Li C. Deep Fuzzy Echo State Networks for Machinery Fault Diagnosis, IEEE Transactions on Fuzzy Systems, Early Access, 2019, DOI: 10.1109/TFUZZ.2019.2914617.
2. Shaohui Zhang, Zhenzhong Sun, Chuan Li, Diego Cabrera, Jianyu Long, and Yun Bai. Deep hybrid state network with feature reinforcement for intelligent fault diagnosis of delta 3D printers, IEEE Transactions on Industrial Informatics, Early Access, 2019, DOI: 10.1109/TII.2019.2920661.
3. Shaohui Zhang, Xiang Duan, Chuan Li, Ming Liang. Pre-classified reservoir computing for the fault diagnosis of 3D printers, Mechanical Systems and Signal Processing, Accept, 2020.
4. Guo J, Li X, Liu Z, Zhang S*, Wu J, Li C, Long J. A novel doublet extreme learning machines for Delta 3D printer fault diagnosis using attitude sensor. ISA Transactions, in press, 2020.
5. Pu Z, Li C, Zhang S*, Bai Y. Fault diagnosis for wind turbine gearboxes by using deep enhanced fusion network. IEEE Transactions on Instrumentation and Measurement, in press, 2020.
7. Chuan Li, Shaohui Zhang*, Qing Yi, A systematic review of deep transfer learning for machinery fault diagnosis, Neurocomputing, Accept.
8. Zhang S, Sun Z, Long J, et al. Dynamic condition monitoring for 3D printers by using error fusion of multiple sparse auto-encoders, Computers in Industry, 2019, 105: 164-176.
9. Zhang S, Wang M, Yang F, Li W. Manifold Sparse Auto-Encoder for Machine Fault Diagnosis. IEEE Sensors Journal, in press, 2019.
10. J Guo, Z Lao, M Hou, C Li, S Zhang*. Mechanical Fault Time Series Prediction by using EFMSAE-LSTM Neural Network, Measurement, in press, 2020.
11. Jianyu Long, Zhenzhong Sun, Chuan Li, Ying Hong, Yun Bai, Shaohui Zhang*. A novel sparse echo auto-encoder network for data-driven fault diagnosis of delta 3D printers, IEEE Transactions on Instrumentation and Measurement, pp: 1-10, 2019.
12. 張紹輝，李巍華，基于特征空間降噪的局部保持投影算法及其在軸承故障分類中的應用，機械工程學報，2013，(03)：92-99.
13. 張紹輝，李巍華，可變近鄰參數的局部線性嵌入算法及其在軸承狀態識別中的應用，機械工程學報，2013，(01)：81-87.
15. 張紹輝，基于多路稀疏自編碼的軸承狀態動態監測，振動與沖擊，2016，35 (19): 125-131.
16. 張紹輝. 集成參數自適應調整及隱含層降噪的深層RBM算法. 自動化學報, 2017, 43(5): 855-865.
17. 張紹輝，羅潔思. 基于頻譜包絡曲線的稀疏自編碼算法及在齒輪箱故障診斷的應用. 振動與沖擊, 2018, 4: 037.
18. 李巍華，翁勝龍，張紹輝. 一種螢火蟲神經網絡及在軸承故障診斷中的應用，機械工程學報，2014，51(2)：1-7.
19. 李巍華，李靜，張紹輝，連續隱半馬爾科夫模型在軸承性能退化評估中的應用，振動工程學報，2014，(04)：613-620.
20. 李巍華，戴炳雄，張紹輝，基于小波包熵和高斯混合模型的軸承性能退化評估，振動與沖擊，2013，(21)：35-40+91.
21. 李川，張紹輝, José Valente de Oliveira. 基于次優網絡深度學習的3D打印機故障診斷，機械工程學報，2019.
22. 羅潔思，張紹輝，李葉妮. 多分辨奇異值分解在滾動軸承振動信號解調分析中的應用，振動工程學報，2019，6(32)：1114-11120.

添加東莞理工學院學姐微信，或微信搜索公眾號“考研派小站”，關注[考研派小站]微信公眾號，在考研派小站微信號輸入[東莞理工學院考研分數線、東莞理工學院報錄比、東莞理工學院考研群、東莞理工學院學姐微信、東莞理工學院考研真題、東莞理工學院專業目錄、東莞理工學院排名、東莞理工學院保研、東莞理工學院公眾號、東莞理工學院研究生招生）]即可在手機上查看相對應東莞理工學院考研信息或資源。