1、个人简介

陈渊，男，1975年10月生，工学博士，副教授。主要研究方向：超声无损检侧与评价、智能检测与控制、信号处理与模式识别等。主持国家自然科学基金、陕西省自然科学基础研究计划、陕西省教育厅科研计划等项目5项，参加国家自然科学基金项目3项、省部级项目5项，并参加企业委托项目和其它科研项目20余项。在《Insight: Non-Destructive Testing and Condition Monitoring》、《Nondestructive Testing and Evaluation》、《机械工程学报》、《声学学报》、《仪器仪表学报》等期刊和国际会议上发表学术论文30余篇，被SCI、EI收录10余篇。授权国家发明专利4项、实用新型专利2项、登记软件著作权3项，获陕西省科学技术进步奖1项、西安市科学技术进步奖1项、陕西高等学校科学技术奖2项，参编专著、规划教材各1部。指导学生参加“挑战杯”大学生课外学术科技作品竞赛，获得省级“特等奖”和全国“三等奖”，被教育部等单位授予“全国优秀指导教师”荣誉称号。

2、教育经历

·1995年－1999年，北京理工大学，机械电子工程专业，本科学历/学士学位；

·2001年－2004年，西安科技大学，机械制造及其自动化专业，研究生学历/硕士学位；

·2004年－2010年，西安科技大学，安全技术及工程专业，研究生学历/博士学位。

3、工作经历

·1999年-2001年，中国兵器工业第203研究所，从事科研工作；

·2004年至今，西安科技大学理学院，从事教学和科研工作。

4、主要科研项目

[1]国家自然科学基金项目，52175518，微电子封装内部缺陷超声-激光数字全息显微成像复合检测方法研究，2022/01-2025/12,主持

[2]陕西省自然科学基础研究计划项目，2019JM-024，微电子封装内部缺陷超声-激光数字全息显微复合检测方法研究，2019/01-2020/12，主持

[3]陕西省教育厅科学研究计划项目，11JK0776，煤矿液压支架缸体环焊缝缺陷超声检测关键技术研究，2011/07-2013/12，主持

[4]国家自然科学基金项目，51074121，煤矿机械关键零部件缺陷超声信号提取与智能识别研究，2011/01-2013/12，参加

[5]国家自然科学基金项目，51705418，在役轴疲劳裂纹超声非拆卸检测与定量评价，2018/01-2020/12，参加

[6]国家自然科学基金项目，61674121，基于声显微成像的集成电路封装内部缺陷诊断方法研究，2017/01-2020/12，参加

5、主要奖励

[1]陕西省科技进步二等奖，煤矿机电装备全寿命周期状态预测及健康管理研究与应用，3/9，2020

[2]陕西省高等学校科学技术二等奖，煤矿设备健康管理技术与应用，4/10，2018

[3]西安市科学技术三等奖，煤矿机械关键零部件缺陷超声信号提取与智能识别研究，3/7，2016

[4]陕西省高等学校科学技术二等奖，微型智能瓦斯检测系统关键技术研究，4/6，2014

6、代表性论文

[1]ChenYuan,MaHongwei,DongMing.Automatic classification of weldingdefects from ultrasonic signals using a SVM-based RBF neural network approach[J].Insight:Non-Destructive Testing & Condition Monitoring, 2018, 60(4): 194-199+205. (SCI: 000429480900005)

[2]ChenYuan,MaHongwei, Zhang Guangming.A support vector machine approach for classification of weldingdefects from ultrasonic signals[J].Nondestructive Testing and Evaluation, 2014, 29(3): 243-254. (SCI: 000338008800006)

[3]Chen Yuan, Ma Hongwei. Automatic classification of welding flaws in ultrasonic testing using the layer multi-class classifier based on ν-SVM[J]. Advanced Materials Research, 2012, (490-495): 3215-3220. (EI: 20121414924234)

[4]Chen Yuan, Ma Hongwei.Application of artificial neural network to flaw classification in ultrasonic testing[J].Advanced Materials Research,2011, (328-330):1876-1880. (EI: 20113914373260)

[5]ChenYuan,Ma Hongwei.Signal de-noising in ultrasonic testingbased on stationary wavelet transform[C].2009 WRI Global Congress on IntelligentSystems, GCIS 2009,Xiamen, China,2009.5.19-2009.5.21. (EI: 20094712466841)

[6]ChenYuan,MaHongwei.Study on ultrasonic imaging testingtechnique of angleprobe for girth weld of hydraulic cylinder used in coalmine[C].2009 International Conference on Measuring Technology and MechatronicsAutomation,ICMTMA 2009,532-536,Zhangjiajie,China,2009.4.11-2009.4.12. (EI: 20094712476102)

[7]陈渊,马宏伟.基于蜜蜂算法的支持向量机特征选择和参数优化[J].组合机床与自动化加工技术. 2013(11): 41-43.

[8]陈渊,马宏伟.基于粒子群优化支持向量机的焊接缺陷分类[J].仪表技术与传感器, 2013(4): 81-83.

[9]陈渊.基于改进阈值函数的提升小波变换超声信号去噪研究[J].组合机床与自动化加工技术, 2010(9): 48-51.

[10]陈渊.基于小波包和概率神经网络的焊接缺陷识别[J].仪表技术与传感器, 2010(8): 89-92.

7、联系方式

电话：13072934399邮箱：chenyuan1030@126.com