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。指导员工参加“挑战杯”老员工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，yl6809永利，机械制造及其自动化专业，研究生学历/硕士学位；

· 2004年－2010年，yl6809永利，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，yl6809永利理学院，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] Chen Yuan, Ma Hongwei, Dong Ming. Automatic classification of welding defects 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] Chen Yuan, Ma Hongwei, Zhang Guangming. A support vector machine approach for classification of welding defects 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] Chen Yuan, Ma Hongwei. Signal de-noising in ultrasonic testing based on stationary wavelet transform [C]. 2009 WRI Global Congress on Intelligent Systems, GCIS 2009, Xiamen, China, 2009.5.19-2009.5.21. (EI: 20094712466841)

[6] Chen Yuan, Ma Hongwei. Study on ultrasonic imaging testing technique of angle probe for girth weld of hydraulic cylinder used in coal mine [C]. 2009 International Conference on Measuring Technology and Mechatronics Automation, 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