曹玉苹(副教授)

作者:发布者:李芳发布时间:2020-07-10浏览次数:5246

»姓名:曹玉苹

»系属:电工电子学教学中心

»学位:博士

»职称:副教授

»专业:控制理论与控制工程

»导师类别:硕士生导师

»电子邮箱:caoyp@upc.edu.cn

»联系电话:

»通讯地址:山东省青岛市黄岛区长江西路66号中国石油大学控制学院

»概况  

研究方向

故障诊断与预测、软测量建模、地震数据处理

统计分析方法、机器学习方法、深度学习方法


教育经历

 2004.9 – 2010.12,中国石油大学(华东),控制理论与控制工程,博士,导师:田学民;

 2000.9 – 2004.7,石油大学(华东),自动化,学士。


工作经历

 2020.1-至今,中国石油大学(华东),副教授;

2011.7–2019.12,中国石油大学(华东),讲师。


学术兼职

担任控制理论与应用、IEEE Transactions on Industrial InformaticsIEEE Transactions on Systems, Man and Cybernetics: SystemsNeurocomputingIndustrial & Engineering Chemistry Research、控制工程、中国自动化大会、中国控制会议、中国控制与决策会议、中国过程控制会议、数据驱动控制与学习系统会议等学术期刊和会议审稿人。


主讲课程

电工电子学、电子技术课程设计、电工电子学实习


指导研究生及博士后

 2019级:赵英淇

 2020级:李林峰

 2021级:吕良伟

 2022级:唐小广、李鹏航、程瑞康

 2023级:刘欣宇、张卓文


承担项目

  1. 山东省自然科学基金面上项目, ZR2022MB004, 内部热耦合精馏过程的机理与数据联合建模及控制研究, 2023/01-2025/12, 10

  2. , 参与。

  3. 山东省自然科学基金-面上项目, ZR2020MF093, 先验知识辅助下数据驱动的石化过程微小故障诊断方法, 2021/01-2023/12, 10万元, 参与。

  4. 中石油重大科技合作项目,地球物理智能信息处理与解释,2020/06-2022/12110万元, 参与。

  5. 山东省自然科学基金青年科学基金项目,ZR2016FQ21,基于过程数据和质量数据双层挖掘的TMP过程故障诊断方法研究,2016/11-2019/611万,主持。

  6. 国家自然科学基金青年科学基金项目,61403418,基于局部信息熵的多牌号聚丙烯过程故障诊断方法研究,2015/01 -2017/1225万,参与。

  7. 中央高校基本科研业务费专项资金资助项目,14CX02174A,基于多空间典型变量分析的聚丙烯过程监控方法研究,2014/01 -2015/125万,主持。

  8. 山东省自然科学基金面上项目,ZR2011FM014,有杆抽油系统井下故障实时诊断方法研究,2011/07-2014/078万,参与。

  9. 国家自然科学基金面上项目,61273160,基于数据驱动的抽油机井实时故障诊断方法研究,2013/01-2016/1280万,参与。

  10. 山东省优秀中青年科学家科研奖励基金项目,BS2012ZZ011,基于鲁棒核典型变量分析的催化裂化过程故障诊断与预测方法研究,2012/07-2014/126万,主持。

  11. 山东省自然科学基金联合项目,Y2007G49,复杂石化生产过程故障诊断与预报技术研究,2007/12-2010/125万,参与。

  12. 中石化胜利油田分公司勘探项目管理部,基于独立元分析的地震盲反褶积方法研究,2009/5-2010/1286.5万,参与。


获奖情况


荣誉称号


著作


论文

  1. 李林峰,曹玉苹,李哲,. 基于曲波变换-联合双边滤波的二维地震数据随机噪声去除方法研究[J]. 石油物探, 2023, 62(4):633-644.

  2. 曹玉苹,吕良伟,邓晓刚,.蓄电池电路火焰检测实验平台设计[J].电气电子教学学报, 2023, 45(5):201-204.

  3. 赵英淇,曹玉苹,邓晓刚. 基于互信息和典型变量分析的故障诊断方法. [C] 33届中国控制与决策会议论文集,2021448-453.

  4. Cao Yuping, Yu Lei, Deng Xiaogang, Zhang Xiaoling. Variable sub-region canonical variate analysis for dynamic process monitoring[J]. IEEE Access, 2020, 8(1): 37775-37789. SCI三区 )

  5. 曹玉苹,卢霄,田学民,邓晓刚. 基于核典型RF 的过程故障诊断 [J]. 控制工程, 2019,26(04):746-751.

  6. Cao Y, Hu Y, Deng X, et al. Quality-relevant Batch Process Fault Detection Using a Multiway Multi-subspace CVA Method[J]. IEEE Access, 20175(1): 23256-23265. SCI三区)

  7. 曹玉苹, 卢霄, 田学民,. 基于动态单类随机森林的非线性过程监控方法[J]. 化工学报, 2017, 68(4):1459-1465. (EI)

  8. Lu X, Cao Y, Tian X, et al. A dynamic nonlinear process fault diagnosis method using Canonical rotation forest[C]. Proceedings of the 35th Chinese Control Conference, 2016, 6515-6520. (EI)

  9. 曹玉苹, 黄琳哲, 田学民. 一种基于DIOCVA 的过程监控方法[J]. 自动化学报, 2015, 41(12): 2036-2044 EI

  10. Huang Linzhe, Cao Yuping, Tian Xuemin, et al. A Nonlinear Quality-relevant Process Monitoring Method with Kernel Input-output Canonical Variate Analysis[C]. IFAC-PapersOnLine, 2015, 48(8): 611-616. (EI)

  11. Cao Yuping, Tian Xuemin, Deng Xiaogang. A Nonlinear Process Fault Prognosis Method Based on Sigma Points[C]. Proceedings of the 25th China Process Control Conference, 2014, August 8-10, Dalian, China.

  12. Tian Xuemin, Cao Yuping, Chen Sheng. Process Fault Prognosis Using a Fuzzy-Adaptive Unscented Kalman Predictor[J]. International Journal of Adaptive Control and Signal Processing, 2011, 259:813–830. SCI四区)

  13. 曹玉苹, 田学民. 基于信息散度的过程故障检测与诊断[J]. 浙江大学学报(工学版), 2010, 44 (7):1315-1320. (EI)

  14. 曹玉苹, 田学民. 基于Unscented卡尔曼滤波新息的多变量序贯概率比检验故障检测方法[J]. 中国石油大学学报(自然科学版), 2010, 34(3):165-169. (EI)

  15. 曹玉苹, 田学民. 基于SVMKalman预测的非线性系统故障预报[J]. 控制与决策, 2009, 24(3):477-480. (EI)

  16. Cao Yuping, Tian Xuemin. An Adaptive UKF Algorithm for Process Fault Prognostics[C]. Proceedings of the Second International Conference on Intelligent Computation Technology and Automation, China, Changsha, 2009, 2:487-490. (EI)

  17. 田学民, 曹玉苹. 统计过程控制的研究现状及展望[J]. 中国石油大学学报(自然科学版), 2008, 32(5):175-180. (EI)

  18. 曹玉苹, 田学民. 基于典型变量分析状态残差的故障检测方法[J]. 控制工程, 2007, 14(S3):74-76.

  19. 曹玉苹, 田学民. 一种基于CVA的子空间辨识方法研究[C]. 17届中国过程控制会议论文集, 无锡, 2006:104-106.


专利

曹玉苹,邓晓刚,黄琳哲. 一种面向质量的非线性动态过程监控方法, ZL201810394768.X, 2021

曹玉苹,田学民,邓晓刚. 一种基于模糊自适应预测的动态过程故障预报方法,ZL201410060800.2,2016.




Baidu
map