教育背景

1993.09-1997.07 山东曲阜师范大学 数学教育 理学学士

1997.09-2000.07 山东曲阜师范大学 运筹学与控制论专业 工学学士

2000.09-2003.07 上海交通大学 控制科学与工程专业，工学博士

工作履历

2003.09-2005.09 清华大学自动化系 博士后

2005.10-2008.12 清华大学自动化系 助理研究员

2006.12-2008.03 德国波茨坦大学 洪堡学者

2009.01-2023.12 清华大学自动化系 副教授

2024.01至今 中国石油大学（北京）人工智能学院 教授

研究领域

1.工业过程低碳运行智能监测与控制

在碳达峰碳中和战略目标下, 低碳运行一直是石化、冶金等行业的重大需求。围绕低碳运行, 研究人工智能驱动的故障诊断技术、工业过程全流程运行的质量优化与协同控制问题。

2.面向故障诊断的可解释人工智能

尽管故障诊断已经取得了较大发展, 但仍然无法突破当前故障诊断领域的理论与技术瓶颈。以深海油气系统微弱故障/异常检测为出发点, 研究可解释的人工智能领域与方法。

3.全自主故障诊断机器人

现有故障诊断方法完全依靠人类进行设计与实现的。将研究全自主故障诊断机器人, 期望实现诊断方法的全自主设计与实现, 进而实现人类最少干预下的故障诊断。

项目成果

1.工业过程微小故障检测的特征集成网络方法，国家自然科学基金面上项目，2024-2027，负责人

2.人-车-路协同疏导与管控技术研究及应用示范, 国家重点研发计划课题，2020-2022，负责人

3.大数据驱动的故障检测：改进的PCA与PLS方法，国家自然科学基金面上项目，2019-2022，负责人

4.危险化学品全生命周期信息感知与传输技术，国家重点研发计划课题，2018-2020，负责人

5.受物理安全感知约束的群系统协同编队，国家自然科学基金面上项目，2015-2018，负责人

6.基于动态优化策略的复杂网络研究，国家自然科学基金青年基金，2009-2011，负责人

7.大型发电机组异常工况智能预测与自愈控制研究，国家自然科学基金委员会应急管理项目，2018-2020，主要参加者

8.高速列车信息控制系统实时故障诊断与应用验证，国家自然科学基金委重大项目，2015-2019，主要参加者

9.大型高炉非正常工况诊断与安全运行方法及实现技术，国家自然科学基金委重大项目2013-2017，主要参加者

10.飞行器威胁目标识别与图像鲁棒匹配理论与方法，973项目课题，2010-2014，主要参加者

11.复杂系统控制与信息处理中的若干关键问题研究与应用，国家自然科学基金创新研究群体，2011-2013，主要参加者

12.复杂工程系统故障预测与预测维护理论及关键技术研究，国家自然科学基金重点项目，2008-2011，主要参加者

荣誉和奖励

1.2020年-2022年，连续入选全球前2%顶尖科学家“终身科学影响力”和“年度科学影响力”排行榜

2.复杂信息物理群系统的同步控制与运行安全监测理论，中国自动化学会自然科学奖二等奖（2019,排名第一）

3.复杂网络化系统的滤波、诊断与协同控制，中国自动化学会自然科学奖一等奖（2011，排名第一）

4.德国洪堡学者（2006-2018）

5.清华大学优秀博士后（2005）

6.上海市优秀博士论文（2005）

代表论文

1.W Wu, W Yi, J Li, M Chen, X Zheng. Automatic Identification of Human Subgroups in Time-Dependent Pedestrian Flow Networks. IEEE Transactions on Multimedia, 2024, DOI: 10.1109/TMM.2023.3262975

2.J Zhang, J Xiao, M Chen, X Hong. Multimodal Continual Learning for Process Monitoring: A Novel Weighted Canonical Correlation Analysis With Attention Mechanism. IEEE Transactions on Neural Networks and Learning Systems, 2024, DOI: 10.1109/TNNLS. 2023.3331732

3.X Liu, M Chen, D Zhou, L Sheng. Fault-Tolerant Control of Stochastic High-Order Fully Actuated Systems. IEEE Transactions on Cybernetics, 2024, DOI: 10.1109/TCYB.2023. 3320441

4.M Wang, M Xie, Y Wang, M. Chen. A Deep Quality Monitoring Network for Quality-Related Incipient Faults. IEEE Transactions on Neural Networks and Learning Systems. 2024, DOI: 10.1109/TNNLS.2023.3322625

5.J Zhang, D Zhou, M Chen, X Hong, Continual learning-based probabilistic slow feature analysis for monitoring multimode nonstationary processes, IEEE Transactions on Automation Science and Engineering, 2024, doi: 10.1109/TASE.2022.3219125

6.M Wang, D Zhou, M Chen, Hybrid Variable Monitoring Mixture Model for Anomaly Detection in Industrial Processes, IEEE Transactions on Cybernetics 54 (2024) 319 - 331

7.J Zhang, M. Chen,X Hong. Monitoring multimode nonlinear dynamic processes: an efficient sparse dynamic approach with continual learning ability, IEEE Transactions on Industrial Informatics 19 (2023) 8029 - 8038

8.W Wu , W Yi, J Li, M Chen, X Zheng. Simulating the Evacuation Process Involving Multitype Disabled Pedestrians. IEEE Transactions on Computational Social System 10 (2023) 2400 - 2410

9.J Zhang, D Zhou, M Chen, Self-learning sparse PCA for multimode process monitoring. IEEE Transactions on Industrial Informatics 19 (2023) 29-39

10.M Wang, D Zhou, M Chen. Hybrid variable monitoring: An unsupervised process monitoring framework with binary and continuous variables. Automatica 147 (2023) 110670

11.M Wang, D Zhou, M Chen. Anomaly Monitoring of Nonstationary Processes with Continuous and Two-valued Variables. IEEE Transactions on Systems, Man and Cybernetics: Systems 53 (2023) 49-58

12.M Wang, D Zhou) M Chen. Adjustable Multimode Monitoring with Hybrid Variables and Its Application in a Thermal Power Plant. IEEE Transactions on Industrial Informatics 19 (2023) 1425-1435

13.J Zhang, D Zhou, M Chen, Xia Hong. Continual learning for multimode dynamic process monitoring with applications to an ultra-supercritical thermal power plant. IEEE Transactions on Automation Science and Engineering 20 (2023) 137-150

14.J Zhang, D Zhou, M Chen. Adaptive cointegration analysis and modified RPCA with continual learning ability for monitoring multimode nonstationary processes. IEEE Transactions on Cybernetics 53 (2023) 4841-4854

15.M Wang, D Zhou, M Chen. Recursive Hybrid Variable Monitoring for Fault Detection in Nonstationary Industrial Processes. IEEE Transactions on Industrial Informatics 18 (2022) 7296 - 7304