教育和工作经历

北京交通大学博士；凯斯西储大学（美国）联合培养博士；清华大学博士后；哈德斯菲尔德大学（英国）博士后研究员；北京工业大学校聘教授（2021年7月至今）。

荣誉和社会兼职

入选北京市海外高层次人才、北京工业大学高端人才队伍建设计划；振动工程学会高级会员；受邀参加第16届全国转子动力学学术会议作邀请报告、受邀参加2024年全国设备监测诊断与维护学术会议作邀请报告、受邀担任2024年国际会议The International Workshop on Fault Diagnostics and Prognostics分会场主席；担任期刊Journal of Dynamics, Monitoring and Diagnostics青年编委会副主任、担任期刊《兵器装备工程学报》青年编委、担任IEEE/ASME/Elsevier旗下10余本国际权威期刊审稿人；荣获IEEE Transactions on Instrumentation & Measurement “Outstanding Reviewers of 2024”（2024年度杰出审稿人）。

科研项目

主持国家自然科学基金青年项目、博士后科学基金特别资助项目、博士后科学基金面上项目、中央高校基本科研业务费资助项目（2项）等项目共5项；参与国家自然科学基金重点项目和面上项目等多项国家级课题。

研究方向

（1） 高端装备智能运维

（2） 先进信号处理方法 (高聚集型时频分析理论、深度学习等)

学术论文

以第一作者/通讯作者发表 SCI论文 30余篇、EI 论文 8 篇， 包括《机械工程学报》优秀论文 1 篇、领跑者 5000中国精品科技期刊顶尖学术论文1篇、ESI 高被引论文7 篇、热点论文 2 篇。论文详见谷歌学术，部分论文如下：

[1] Zhao Dezun, Huang Xiaofan, Wang Tianyang, Cui Lingli. Generalized reassigning transform: algorithm and applications[J]. Reliability Engineering & System Safety, 2025, 255: 110677. （面向瞬态、谐波类特征高聚集时频表征，基于基函数几何特性求解的新尝试）

[2] Zhao Dezun, Shao Depei, Cui Lingli. CTNet: a data-driven time-frequency technique for wind turbines fault diagnosis under time-varying speeds[J]. ISA Transactions, 2024, 154: 335-351.（面向密集、交叉频率高聚集时频表征，深度学习赋能时频分析领域的新探索，模型训练代码已开源，具体链接见论文原文）

[3] Zhao Dezun, Wang Honghao, Cui Lingli. Frequency-chirprate synchrosqueezing-based scaling chirplet transform for wind turbine nonstationary fault feature time–frequency representation[J]. Mechanical Systems and Signal Processing, 2024, 209: 111112. （面向密集、交叉频率高聚集时频表征，基于高维空间概念的新拓展）

[4] Zhao Dezun, Cai Wenbin, Cui Lingli. Adaptive thresholding and coordinate attention-based tree-inspired network for aero-engine bearing health monitoring under strong noise[J]. Advanced Engineering Informatics, 2024, 61: 102559.（面向强背景噪声干扰下航空发动机轴承分层智能诊断，基于卷积神经网络与浅层机器学习融合的新模型）

[5] Zhao Dezun, Cui Lingli, Liu Dongdong. Bearing weak fault feature extraction under time-varying speed conditions based on frequency matching demodulation transform[J]. IEEE/ASME Transactions on Mechatronics, 2023, 28(3): 1627-1637. （面向强背景噪声干扰下轴承故障特征提取，基于广义解调的匹配解调变换新方法）