2012.01~2015.07  香港城市大学  系统工程与工程管理专业          博士（Hong Kong PhD Fellowship Scheme，HKPFS）
2007.09~2010.06  电子科技大学  机械电子工程专业                    硕士
2003.09~2007.07  电子科技大学  机械设计制造及其自动化专业   学士

2025.02~至今        上海交通大学机械与动力工程学院工业工程与管理系  长聘副教授（Tenured associate professor）、博士生导师 

2018.10~2025.01  上海交通大学机械与动力工程学院工业工程与管理系  长聘教轨副教授（Tenure-track associate professor）、博士生导师

2018.10~至今        上海交通大学数学科学学院统计系     兼聘副教授

2018.10~至今        巴黎高科卓越工程师学院                   合作导师

2023.10~2025.10  上海交通大学重庆研究院                   特聘研究员

2018.07～2018.09 香港城市大学数据科学学院                Research Fellow

2018.04～2018.06 香港城市大学系统工程与工程管理系   Research Fellow

2015.10～2018.03 香港城市大学系统工程与工程管理系   Postdoctoral Fellow

2015.06～2015.09 香港城市大学系统工程与工程管理系   Senior Research Assistant

2015.02～2015.05 香港城市大学系统工程与工程管理系   Research Associate

2010.07～2011.06 香港城市大学制造工程与工程管理系   Research Assistant/Associate

围绕装备、产品、云计算等领域的智能运维与大数据分析，主要研究方向：

1)可解释故障特征提取

2)可解释人工智能

3)可解释数据融合

4)数模联动寿命预测和智能决策

可招收“上海交通大学致远荣誉计划直博生”（每年五六月报名）及“上海交通大学国际联培博士生”（转博后第一年），欢迎对科研充满热情且具有良好数理基础的同学加入一起探索智能运维与大数据分析新理论、新方法及重要工程应用

Mechanical Systems and Signal Processing, 编委、副主编（2020年至今）

IEEE Sensors Journal, 数据处理领域主编（2024年至今）

Journal of Reliability Science and Engineering, 预测与健康管理领域主编 （2024年至今）

IEEE Transactions on Instrumentation and Measurement, 副主编（2020年至今）
Measurement, 副主编（2022年至今）

Journal of Dynamics, Monitoring and Diagnostics, 副主编（2022年至今）

Measurement Science and Technology, 客座编辑 （2025年）

机械工程学报，客座编辑 （2023年）

Reliability Engineering and System Safety, 客座编辑（2023年）

IEEE Transactions on Instrumentation and Measurement, 客座编辑（2023年）

Mechanical Systems and Signal Processing, 客座编辑（2022年）

Journal of Risk and Reliability, 客座编辑（2021年）

中国振动工程学会，副秘书长（第九届2019～2023、第十届2023~2027）

中国振动工程学会对外交流与合作工作委员会，秘书长（第九届2019～2023、第十届2023~2027）

机械系统与振动国家重点实验室，固定成员

中国质量发展研究院，固定成员

上海市网络化制造与企业信息化重点实验室，固定成员

国家自然科学基金和上海市基金奖励等，评审专家

Elsevier 和Springer Book Proposal，评审专家

MSSP, IEEE汇刊(如IEEE TSP, IEEE TASE, IEEE TR, IEEE TIM, IEEE/ASME TM, IEEE TIE, IEEE TII等), Technometrics, IISE, RESS, JPS, ESA, KBS,机械工程学报, 仪器仪表学报, 振动工程学报, 机械强度、兵工学报等国内外70+种期刊，评审专家

国际会议学术委员会主席/分会主席20+次，例如WCCM、EPHM, IEEE PHM, ICSMD, DAMAS, QR2MSE, ICSMD, APARM, survishno23, ICASD, UNIfied 2023、ICEIOM2023、ACIRS、ICEET、WCM、MEIE等

围绕装备、产品、云计算等领域的智能运维与大数据分析，提出了一系列原创成果，包括故障特征辨识理论、新型故障特征设计、故障特征快速分离方法、退化性质表征模型、滤波输出结构偏好理论及抑制策略、故障特征动态演化预测理论等。基于上述成果，实现了故障特征的辨识、定位、分离、新型设计及演化规律预测，突破了机器学习“黑箱”模型的局限，构建了“故障特征提取”研究体系。

亮点工作一：稀疏测度与复杂性测度驱动的状态监测与故障诊断基础研究体系

亮点工作二：数据融合权重学习驱动的可解释监测诊断和退化评估基础研究体系

亮点工作三：故障特征的辨识、定位、分离、新型设计及演化规律预测代表性理论和方法

亮点工作四：云计算智能运维，获联想校企合作最高荣誉奖“卓越合作成果奖”，被人民日报、人民网、新华财经、光明网、北京青年报等主流媒体报道

~~~主持智能运维与大数据分析项目情况~~~
主持国家自然科学基金项目3项、国家重点研发计划课题、联想、华为、西部数据等企业委托项目十余项。

~~~参与智能运维与大数据分析项目情况~~~
技术骨干参与国家自然科学基金委创新群体、教育部-中国移动科研基金研发项目课题、Theme-based Research Scheme, Hong Kong: Safety, Reliability, and Disruption Management of High Speed Rail and Metro Systems等重大项目。

围绕装备、产品、云计算等领域的智能运维与大数据分析，提出了一系列原创成果，包括故障特征辨识理论、新型故障特征设计、故障特征快速分离方法、退化性质表征模型、滤波输出结构偏好理论及抑制策略、故障特征动态演化预测理论等。基于上述成果，实现了故障特征的辨识、定位、分离、新型设计及演化规律预测，突破了机器学习“黑箱”模型的局限，构建了“故障特征提取”研究体系。在Mechanical Systems and Signal Processing、IEEE和ASME汇刊(如IEEE Transactions on Reliability、IEEE Transactions on Automation Science and Engineering、IEEE Signal Processing Letters、IEEE Transactions on Instrumentation and Measurement、IEEE Transactions on Neural Networks and Learning Systems、IEEE/ASME Transactions on Mechatronics、IEEE Transactions on Industrial Electronics、IEEE Transactions on Industrial Informatics、IEEE Transactions on Systems, Man, and Cybernetics: Systems、ASME Transactions on Journal of Vibration and Acoustics)、Journal of Sound and Vibration、Journal of Power Sources、Information Fusion、Reliability Engineering and System Safety、Signal Processing、Advanced Engineering Informatics、Knowledge-Based Systems、Structural Health Monitoring 、ISA Transactions、Renewable and Sustainable Energy Reviews、Energy、Applied Energy、Measurement、Engineering Applications of Artificial Intelligence等国际权威期刊上发表中科院一区/二区SCI论文150+篇(一作SCI论文40+篇)，Elsevier英文学术专著2部，机械工程学报综述2篇，振动工程学报综述1篇，研究成果谷歌学术总引16000+次，H-index 69，受邀在中国、法国、英国、意大利多次做大会和特邀报告。

英文学术专著

Dong Wang and Bingchang Hou, Sparsity Measures and their Signal Processing Applications for Machine Condition Monitoring, Book, Elsevier, 2025, ISBN 978-0-443-33486-3: https://doi.org/10.1016/C2023-0-52917-9 . 

Dong Wang and Tongtong Yan, Machine Performance Degradation Assessment: Convex Optimization Models and Their Interpretable Data Fusion Applications, Book, Elsevier, 2025, ISBN 978-0-443-44007-6: https://doi.org/10.1016/C2024-0-03327-9 .

综述论文

Bingchang Hou#; Dong Wang*#, Sparsity-Measure-Informed Methods for Machinery Condition Monitoring and Fault Diagnosis: Fundamentals, Methodologies, and Future Directions，Mechanical Systems and Signal Processing, (2026), (Review Articles By Invitation Only)

稀疏测度和复杂性测度相关成果总结以综述形式发表于机械工程学报。王冬, 侯炳昌, 王玉婷, 夏唐斌, 彭志科, 奚立峰，稀疏测度和复杂性测度及其在设备健康监测中的研究进展，机械工程学报 ，61，no. 1 (2025) : 123-139.

可解释装备退化评估优化模型相关成果总结以综述形式发表于机械工程学报。严彤彤, 王冬, 彭志科, 雷亚国. 基于谱幅融合广义健康指数的可解释装备退化评估优化模型研究进展. 机械工程学报，60, no. 18 (2024): 1-16.

可解释优化权重辨识基准和故障成分相关成果总结以综述形式发表于振动工程学报。侯炳昌, 王冬, 王宇, 等. 可解释优化权重理论及其相关方法在装备状态监测与诊断中的研究进展[J]. 振动工程学报，12， (2025)：2886-2901.

代表性论文

Bingchang Hou#; Dong Wang*#, Sparsity-Measure-Informed Methods for Machinery Condition Monitoring and Fault Diagnosis: Fundamentals, Methodologies, and Future Directions，Mechanical Systems and Signal Processing, (2026), (Review Articles By Invitation Only)

主要贡献：该综述论文首次系统性地构建了稀疏性度量在机械状态监测与故障诊断领域的完整知识体系：在理论层面，统一了经典与新型稀疏性度量的数学定义，提出了六大公理性质及两大通用构建框架（RQAM和SWNSE），并通过稀疏性量化梯度曲线揭示了不同度量的敏感特性；在方法层面，系统梳理了稀疏性度量在状态监测（含AWSPT增强指标与可解释的优化权重谱OWS）和故障诊断（涵盖快速峭度图、盲反卷积、通用及定制化信号分解）中的核心作用，并通过实验对比直观展示了定制化方法（如脉冲模式分解和差分模态分解）的优势；最后，论文指明了理论基础深化、多源融合、与数字孪生及深度学习结合等未来方向，为后续研究提供了清晰的理论基石与方法指引。

Yu Wang, Dong Wang*, Bingchang Hou, and Yujie Mou. Filtered Output Approximation Perspective on Blind Deconvolution. Mechanical Systems and Signal Processing, 258 (2026) 114633.

主要贡献：提出了盲源解卷积输出结构偏好理论，从理论层面揭示了最小熵反卷积（MED）和最大二阶循环平稳性盲反卷积（CYCBD）两类经典盲解卷积方法的内在输出偏好，并据此提出均匀性正则化CYCBD（UR‑CYCBD），通过惩罚非循环平稳成分，使最优滤波输出更准确地对齐于循环平稳冲击结构。

Yu Wang, Dong Wang*, Wade Smith, and Zhongxiao Peng. Least-Squares Interpretation of Minimum Entropy Deconvolution. IEEE Signal Processing Letters (2026), in press.

主要贡献：证明了最小熵反卷积（MED）等价于一个诱导的最小二乘（LS）问题，并由此导出了闭式全局解、3/2近似保证，且统一解释了滤波器长度效应和白噪声下虚假脉冲提取的内在机理。

Jiamei Li, Dong Wang, Zhike Peng, Understanding effects of central moment and raw moment in kurtosis for characterizing envelope signal sparsity, Mechanical Systems and Signal Processing, 257 (2026) 114545. 

主要贡献：系统阐明了基于中心矩的峭度（CK）与基于原点矩的峭度（RK）在表征包络信号稀疏性时的本质差异，并发现RK在抑制强随机脉冲和区分故障脉冲方面优于CK，为机械故障诊断中峭度指标的选择提供了理论依据。

Shiqi Tang, Dong Wang*, Xiaofei Liu, Naipeng Li, Yaguo Lei. Box-Cox sparsity measure-based impulse extraction for gearbox condition monitoring. Mechanical Systems and Signal Processing, 256 (2026) 114499.
主要贡献：将Box-Cox 稀疏度量直接嵌入冲击提取的优化框架，提出一种约束盲去卷积方法，通过最大化 Box-Cox 稀疏度来自适应提取强干扰成分下瞬态冲击分量。

Xueyou Zhao, Dong Wang*, Tangbin Xia, Zhike Peng, Lifeng Xi. A weighted likelihood exponential degradation model by kernel function smoothing for RUL prediction. Mechanical Systems and Signal Processing, 251 (2026) 114241.
主要贡献：提出加权似然指数退化模型，通过核函数平滑为不同时刻的观测赋予自适应权重，解决了传统似然函数对历史数据等权处理的问题。

Yujie Mou, Dong Wang*. Revisiting Lempel-Ziv Complexity in Machine Condition Monitoring: A Fresh Perspective. Mechanical Systems and Signal Processing, 244 (2026) 113727.
主要贡献：重新审视经典的 Lempel-Ziv 复杂度，揭示了其作为信号稀疏性度量的新规律性解释。

Bingchang Hou, Dong Wang, Yi Qin, Dengyu Xiao, Huayan Pu, Jun Luo. Two heuristic-optimization-based frameworks for tailoring signal decomposition methods. Mechanical Systems and Signal Processing, 242 (2026) 113620.
主要贡献：提出两种基于启发式优化的信号分解定制框架，能够自动选择最优分解方法及其参数，解决了信号分解对人工经验的依赖问题。

Sirui Liu, Dong Wang*, Lisha Yu. Interpretable multiple-sensor spectra fusion methodology for constructing dual-weight composite health indicator. Mechanical Systems and Signal Processing, 267 (2026) 114547.

主要贡献：提出一种可解释的多传感器频谱融合方法，优化权重能够反映频率分量的判别能力和传感器的贡献程度。

Bingchang Hou, Yu Wang, Dong Wang*. Cycle-Embedded Sparsity Measures as A Generalized Objective Function of Impulsive Mode Decomposition for Impulsive Fault Component Extraction. Mechanical Systems and Signal Processing, 231 (2025) 112566.
主要贡献：提出循环嵌入的稀疏度量，将其作为脉冲模式分解（IMD）的广义目标函数，使得 IMD 能够利用故障先验信息，显著提升循环脉冲提取性能。

Tongtong Yan, Dong Wang*, Tangbin Xia, Zhike Peng, Lifeng Xi. Theoretical Investigation of Convex Representation based Interpretable Time-frequency Weight Optimization for Machine Health Monitoring. Mechanical Systems and Signal Processing, 230 (2025) 112625.
主要贡献：将凸表示理论引入可解释时频权重优化，建立了从时频图到物理权重的凸优化映射，保证解的唯一性和全局最优性。

Lan Wei, Dong Wang*, Yu Wang. Generalized relative entropy: New look at Rényi entropy and its exploration from complexity measures to sparsity measures with applications in machine condition monitoring. Mechanical Systems and Signal Processing, 223 (2025) 111917.
主要贡献：提出广义相对熵，重新诠释 Rényi 熵，并将复杂度度量与稀疏度量统一于同一理论框架，导出了一类新的故障特征指标。

Yu Wang, Dong Wang*, Bingchang Hou, Siliang Lu, Zhike Peng. Robust optimized weights spectrum: Enhanced interpretable fault feature extraction method by solving frequency fluctuation problem. Mechanical Systems and Signal Processing, 222 (2025) 111798.
主要贡献：提出鲁棒优化权重谱，通过解决频率波动问题增强了可解释性，使得优化权重对转速波动不敏感。

Tongtong Yan, Xueqi Xing, Dong Wang*, Kwok-Leung Tsui, Min Xia. Interpretable degradation tensor modeling through multi-scale and multi-level time-frequency feature fusion for machine health monitoring. Information Fusion, 117 (2025) 102935.
主要贡献：将张量建模与多尺度、多层级时频特征融合用于可解释退化建模，保留时频图物理结构的同时实现降维和健康指标构建。

Yikai Chen, Dong Wang*, Jie Liu, Qingyun Huang, Ming Lu. Generalized Exponential Degradation Model for a Tradeoff Between Prior and Posterior Model Parameters Distributions. IEEE Transactions on Instrumentation and Measurement, 74 (2025) 3503211.
主要贡献：提出广义指数退化模型，通过一个可调参数平衡先验与后验参数分布的影响，推广了经典退化模型并提供解析的剩余寿命预测。

Tongtong Yan, Dong Wang*, Tangbin Xia, Lifeng Xi, Min Xia. Two-dimensional Optimization Framework of Online Interpretable Time-frequency Feature Learning for Practical Machine Health Monitoring. IEEE Transactions on Reliability, 74 (2025) 1189-1201.
主要贡献：提出二维优化框架用于在线可解释时频特征学习，同时优化时频点权重和频率选择，实现了在线同步监测诊断。

Yujie Mou, Dong Wang*, Jie Liu, Wang Shi, Shiyu Hu, Ming Lu. Adaptive On-Line Discrete Degradation State Distribution Prediction Methodology for Cloud Computing Optical Fiber Ports. IEEE Transactions on Instrumentation and Measurement, 74 (2025) 1-12.
主要贡献：提出自适应在线离散退化状态分布预测方法，将连续退化建模转化为离散状态概率预测并推导了离散退化状态首达时间分布。

Xiaoqiang Liao, Dong Wang, Xinguo Ming, Min Xia. DLCNN: A Deep Logic Convolutional Network for Interpretable Fault Diagnosis of Hoist Mechanism on Ship-to-Shore Cranes. IEEE Transactions on Neural Networks and Learning Systems, 36 (2025) 20171-20183.
主要贡献：提出深度逻辑卷积网络，将逻辑规则嵌入卷积神经网络结构，使得特征提取过程具有可解释的布尔逻辑含义。

Xiaoqiang Liao, Dong Wang, Siqi Qiu, Xinguo Ming. ReDBN: An Interpretable Deep Belief Network for Fan Fault Diagnosis in Iron and Steel Production Lines. IEEE/ASME Transactions on Mechatronics, 30 (2025) 1646-1657.
主要贡献：提出可解释深度信念网络，通过约束隐层单元与故障模式的一一对应关系，实现深度信念网络的“白箱化”。

Xiaoqiang Liao, Dong Wang, Xinguo Ming, Siqi Qiu, Zuhua Jiang, Min Xia. DLBN: A Deep Logic Belief Network for Fault Diagnosis of Dust Removal Fans. Information Fusion, (2025) 103627.
主要贡献：提出深度逻辑信念网络，融合逻辑规则与深度信念网络，赋予每个隐层节点明确的逻辑语义，实现逻辑深度学习。

Jie Liu, Dong Wang*, Jin-Zhen Kong, Naipeng Li, Zhike Peng, Kwok-Leung Tsui. New Look at Bayesian Prognostic Methods. IEEE Transactions on Automation Science and Engineering, (2025) online early access.
主要贡献：对贝叶斯预测方法进行系统性再审视，揭示状态空间预测模型和贝叶斯预测模型的本质联系与区别。

Jie Liu, Bingchang Hou, Ming Lu, Dong Wang*. Box-Cox transformation based state-space modeling as a unified prognostic framework for degradation linearization and RUL prediction enhancement. Reliability Engineering & System Safety, 244 (2024) 109952.
主要贡献：提出基于 Box-Cox 变换的状态空间建模作为统一预测框架，通过非线性变换将各种形式的退化轨迹线性化，使标准线性状态空间模型可直接用于剩余寿命预测。

Bingchang Hou, Min Xie, Zhike Peng, Dong Wang*. Enspectrumix: Novel Adaptive Methodology for Fault Components Extraction from Vibration Mixtures. Mechanical Systems and Signal Processing, 219 (2024) 111611.
主要贡献：提出 Enspectrumix 自适应方法，能够从多个故障源的混合信号中同时分离并提取不同故障分量。

Bingchang Hou, Min Xie, Hong Yan, Dong Wang*. Impulsive Mode Decomposition. Mechanical Systems and Signal Processing, 211 (2024) 111227.
主要贡献：提出一种全新的信号分解方法——脉冲模式分解（IMD），以脉冲稀疏性为核心优化目标，专门用于从强噪声中自适应提取瞬态脉冲故障分量。

Tongtong Yan, Dong Wang*, Yu Wang. Discrimination and Sparsity Driven Weight-oriented Optimization Model for Interpretable Initial Fault Detection and Fault Diagnosis. IEEE Transactions on Instrumentation and Measurement, 73 (2024) 1-13.
主要贡献：提出区分性和稀疏性驱动的权重优化模型，同时最大化故障类与健康类的区分度并保持权重稀疏，实现早期故障检测与诊断的统一优化。

Tongtong Yan, Dong Wang*, Tangbin Xia, Lifeng Xi. Novel Anchor Discrimination Learning for Physics-Informed Machine Degradation Modeling. IEEE Transactions on Reliability, 73 (2024) 357-369.
主要贡献：提出新颖的锚点判别学习方法，将物理信息（如失效阈值、退化趋势）作为锚点约束融入机器学习退化建模，实现物理与数据的深度耦合。

Bingchang Hou, Dong Wang*, Zhike Peng, Kwok-Leung Tsui. Adaptive Fault Components Extraction by Using an Optimized Weights Spectrum Based Index for Machinery Fault Diagnosis. IEEE Transactions on Industrial Electronics, 71 (2024) 985-995.
主要贡献：提出基于优化权重谱指标的自适应故障分量提取方法，通过自动调整权重谱增强循环脉冲，无需人工设定带通滤波器参数。

Tongtong Yan, Dong Wang*, Tangbin Xia, Ershun Pan, Zhike Peng, Lifeng Xi. Online Piecewise Convex-Optimization Interpretable Weight Learning for Machine Life Cycle Performance Assessment. IEEE Transactions on Neural Networks and Learning Systems, 35 (2024) 6048-6060.
主要贡献：提出在线分段凸优化可解释权重学习方法，将全生命周期划分为多段，每段独立学习物理可解释的权重，适应退化过程中的动态变化。

Tongtong Yan, Dong Wang*, Jin-zhen Kong, Zhongxiao Peng. Large Margin-learning Methodology from Time-Frequency Maps and Its Physically Interpretable Weights for Simultaneous Machine Health Monitoring and Fault Diagnosis. Mechanical Systems and Signal Processing, 200 (2023) 110615.
主要贡献：将大间隔学习应用于时频图，学习具有物理可解释性的权重，能够同时实现健康监测与故障诊断。

Tongtong Yan, Dong Wang*, Tangbin Xia, Zhike Peng, Lifeng Xi. Sparsity preserving projection aided baselined hyperdisk modeling for interpretable machine health monitoring. Mechanical Systems and Signal Processing, 200 (2023) 110509.
主要贡献：提出稀疏保持投影辅助的基线超圆盘建模方法，通过稀疏投影保留关键故障特征，并构建超圆盘作为健康边界，提供新颖的几何模型。

Tongtong Yan, Dong Wang*, Meimei Zheng, Changqing Shen, Tangbin Xia, Zhike Peng. Interpretable sparse learned weights and their entropy based quantification for online machine health monitoring. Mechanical Systems and Signal Processing, 199 (2023) 110493.
主要贡献：提出可解释稀疏学习权重及其熵量化方法，在学习稀疏权重的同时使用信息熵量化权重的解释性程度，实现可解释性的数值评估。

Tongtong Yan, Dong Wang*, Tangbin Xia, Meimei Zheng, Zhike Peng, Lifeng Xi. Entropy-maximization oriented interpretable health indicators for locating informative fault frequencies for machine health monitoring. Mechanical Systems and Signal Processing, 198 (2023) 110461.
主要贡献：提出熵最大化导向的可解释健康指标，通过最大化包络谱的熵来定位信息故障频率，与传统峭度最大化方法形成互补。

Bingchang Hou, Dong Wang*, Tangbin Xia, Lifeng Xi, Zhike Peng, Kwok-Leung Tsui. Difference Mode Decomposition for Adaptive Signal Decomposition. Mechanical Systems and Signal Processing, 191 (2023) 110203.
主要贡献：提出差分模式分解（DMD），通过优化权重辨识，仅需FFT且无需预设模态数量或惩罚参数可实现信号非迭代自适应分解。

Bingchang Hou, Xiao Feng, Jinzhen Kong, Zhike Peng, Kwok-Leung Tsui, Dong Wang*. Optimized Weights Spectrum Autocorrelation: A New and Promising Method for Fault Characteristic Frequency Identification for Rotating Machine Fault Diagnosis. Mechanical Systems and Signal Processing, 191 (2023) 110200.
主要贡献：提出优化权重谱自相关（OWSA）指标，通过自相关增强故障特征，有效抑制随机噪声和干扰，为故障频率识别提供新工具。

Dong Wang*, Bingchang Hou, Tongtong Yan, Changqing Shen, Zhike Peng. New Statistical Learning Perspective for Design of a Physically Interpretable Prototypical Neural Network for Machine Condition Monitoring. Mechanical Systems and Signal Processing, 188 (2023) 110041.
主要贡献：从统计学习理论出发，提出物理可解释的原型神经网络，网络原型向量直接对应典型故障模式，兼具分类性能与可解释性。

Bingchang Hou, Dong Wang*. Optimal Noise Subtraction-Based Fault Components Extraction for Machinery Fault Diagnosis. IEEE Transactions on Instrumentation and Measurement, 72 (2023) 1-10.
主要贡献：提出基于最优噪声减法的故障分量提取方法，通过构建并自适应减去最优估计的背景噪声，实现强噪声背景下微弱脉冲的增强提取。

Bingchang Hou, Jie Liu, Dong Wang*. Easier Computational Approach of Optimized Weights and Its Extensions for Learning Interpretable Machine Fault Features. IEEE Transactions on Instrumentation and Measurement, 72 (2023) 1-11.
主要贡献：提出优化权重的简化计算方法，通过解析近似取代迭代优化，大幅降低计算成本，同时保持权重的物理可解释性。

Xiao Feng, Dong Wang*, Bingchang Hou, Tongtong Yan. Interpretable federated learning for machine condition monitoring: Interpretable average global model as a fault feature library. Engineering Applications of Artificial Intelligence, 124 (2023) 106632.
主要贡献：将可解释联邦学习引入机械状态监测，提出“可解释平均全局模型”作为共享故障特征库，在保护数据隐私的同时实现跨设备知识迁移。

Yuting Wang, Dong Wang*. Investigations on Sample Entropy and Fuzzy Entropy for Machine Condition Monitoring: Revisited. Measurement Science and Technology, 34 (2023) 125104.
主要贡献：重新审视样本熵与模糊熵在状态监测中的应用，系统分析其参数敏感性及物理含义，为合理使用这两种复杂度指标提供指导。

Jin-Zhen Kong, Di Cui, Bingchang Hou, Xingchen Liu, Dong Wang*. New Short-Long-Term Degradation Model for Precise Battery Health Prognostics. IEEE Transactions on Industrial Electronics, 70 (2023) 9527-9537.
主要贡献：提出新颖的短长期退化模型，同时捕捉退化的短期波动与长期趋势，通过双时间尺度融合显著提高健康预测精准度。

Bingchang Hou, Dong Wang*, Yikai Chen, Hong Wang, Zhike Peng, Kwok-Leung Tsui. Interpretable Online Updated Weights: Optimized Square Envelope Spectrum for Machine Condition Monitoring and Fault Diagnosis. Mechanical Systems and Signal Processing, 169 (2022) 108779.
主要贡献：提出可解释在线更新权重方法，在优化平方包络谱中实现权重的在线学习与更新，既保持物理可解释性，又能适应监测状态变化。

Bingchang Hou, Dong Wang*, Tangbin Xia, Lifeng Xi, Zhike Peng, Kwok-Leung Tsui. Generalized Gini indices: Complementary sparsity measures to Box-Cox sparsity measures for machine condition monitoring. Mechanical Systems and Signal Processing, 169 (2022) 108751.
主要贡献：提出广义基尼指数族，作为 Box-Cox 稀疏度量的互补工具，系统分析基尼指数在稀疏性表征中的数学性质及其与经典指标的联系。

Dong Wang*, Yikai Chen, Changqing Shen, Jingjing Zhong, Zhike Peng, Chuan Li. Fully Interpretable Neural Networks for Machine Health Monitoring. Mechanical Systems and Signal Processing, 168 (2022) 108673.
主要贡献：设计完全可解释的神经网络，网络权重在物理意义上对应信号预处理和故障特征频率量化，输出层直接反映健康状态。

Tongtong Yan, Dong Wang*, Tangbin Xia, Zhike Peng, Lifeng Xi. Investigations on Generalized Hjorth's Parameters for Machine Performance Degradation Assessment. Mechanical Systems and Signal Processing, 168 (2022) 108720.
主要贡献：提出广义 Hjorth 参数的理论变化规律，将经典的 Hjorth 活动性、移动性、复杂度参数从时域扩展到时频域，为退化评估提供新特征族。

Dong Wang*, Jie Liu, Shilong Sun, Changqing Shen, Bingchang Hou, Tongtong Yan, Zhike Peng. Investigations on the Sensitivity of Sparsity Measures to the Sparsity of Impulsive Signals. Mechanical Systems and Signal Processing, 178 (2022) 109315.
主要贡献：系统研究多种稀疏度量（如峭度、基尼指数、Box-Cox 稀疏度等）对脉冲信号稀疏程度变化的敏感性，为选择合适的稀疏度量提供依据。

Tongtong Yan, Dong Wang*, Shilong Sun, Changqing Shen, Zhike Peng. Novel Sparse Representation Degradation Modeling for Locating Informative Frequency Bands for Machine Performance Degradation Assessment. Mechanical Systems and Signal Processing, 179 (2022) 109372.
主要贡献：提出新颖的稀疏表示退化建模，将稀疏表示系数与退化趋势直接关联，通过优化稀疏字典自动定位信息频带，实现退化建模与特征选择的统一。

Tongtong Yan, Dong Wang*, Tangbin Xia, Jie Liu, Zhike Peng, Lifeng Xi. Investigation on Optimal Discriminant Directions of Linear Discriminant Analysis for Locating Informative Frequency Bands for Machine Health Monitoring. Mechanical Systems and Signal Processing, 180 (2022) 109424.
主要贡献：系统研究线性判别分析（LDA）的最佳判别方向，证明 Fisher 判别比最大化对应的方向即为最优信息频带位置，提供理论完备的频带定位准则。

Cristian López, Dong Wang*, Ángel Naranjo, Keegan J. Moore. Box-Cox-Sparse-Measures-Based Blind Filtering: Understanding the Difference between the Maximum Kurtosis Deconvolution and the Minimum Entropy Deconvolution. Mechanical Systems and Signal Processing, 165 (2022) 108376.
主要贡献：基于 Box-Cox 稀疏度量的盲滤波框架，从理论上揭示最大峭度解卷积（MKD）与最小熵解卷积（MED）的本质联系与区别，统一并澄清两个经典方法。

Tongtong Yan, Dong Wang*, Meimei Zheng, Tangbin Xia, Ershun Pan, Lifeng Xi. Fisher's Discriminant Ratio Based Health Indicator for Locating Informative Frequency Bands for Machine Performance Degradation Assessment. Mechanical Systems and Signal Processing, 162 (2022) 108053.
主要贡献：提出基于 Fisher 判别比的健康指标，将分类性能度量直接嵌入频带选择目标函数，实现对信息频带的最优定位。

Sha Wei, Dong Wang, Zhike Peng, Zhipeng Feng. Variational Nonlinear Component Decomposition for Fault Diagnosis of Planetary Gearboxes under Variable Speed Conditions. Mechanical Systems and Signal Processing, 162 (2022) 108016.
主要贡献：提出变分非线性分量分解（VNCD），通过变分框架提取非线性调频分量，突破传统分解方法对转速平稳的假设限制。

Bingchang Hou, Dong Wang*, Jin-Zhen Kong, Jie Liu, Zhike Peng, Kwok-Leung Tsui. Understanding importance of positive and negative signs of optimized weights used in the sum of weighted normalized Fourier spectrum/envelope spectrum for machine condition monitoring. Mechanical Systems and Signal Processing, 174 (2022) 109094.
主要贡献：揭示优化权重谱中权重正负号的物理意义（正号对应故障新增成分，负号对应基准成分），为可解释权重设计提供更深层次的理解。

Bingchang Hou, Dong Wang*, Tongtong Yan, Yi Wang, Zhike Peng, Kwok-Leung Tsui. Gini Indices II and III: Two New Sparsity Measures and Their Applications for Machine Condition Monitoring. IEEE/ASME Transactions on Mechatronics, 27 (2022) 1211-1222.
主要贡献：在经典基尼指数基础上提出 Gini 指数 II 和 III，分别侧重局部稀疏性和全局稀疏性，完善稀疏度量体系并提供理论与应用分析。

Tongtong Yan, Dong Wang*, Bingchang Hou, Zhike Peng. Generic Framework for Integration of First Prediction Time Detection with Machine Degradation Modelling from Frequency Domain. IEEE Transactions on Reliability, 71 (2022) 464-1476.
主要贡献：提出一个通用框架，将首次预测时间检测与频域退化建模集成，使得退化模型能够自动识别退化起始点，提高预测可靠性。

Tongtong Yan, Yuting Wang, Tangbin Xia, Bingchang Hou, Lifeng Xi, Dong Wang*. Sparse and Flexible Convex-hull Representation for Machine Degradation Modeling. IEEE Transactions on Reliability, 72 (2022) 27-36.
主要贡献：提出稀疏且灵活的凸包表示方法用于退化建模，通过凸包边界描述正常状态区域，对异常具有较好的鲁棒性。

Tongtong Yan, Dong Wang*, Tangbin Xia, Ershun Pan, Zhike Peng and Lifeng Xi. New Shapeness Property and Its Convex Optimization Model for Interpretable Machine Degradation Modeling. IEEE Transactions on Reliability, 72 (2022) 703-715.
主要贡献：提出“尖锐度”（Shapeness）这一新属性及其凸优化模型，用于可解释机器退化建模，能够量化退化轨迹的陡峭程度。

Dong Wang*, Zhike Peng, Lifeng Xi. Theoretical and Experimental Investigations on Spectral Lp/Lq Norm Ratio and Spectral Gini Index for Rotating Machine Health Monitoring. IEEE Transactions on Automation Science and Engineering, 18 (2021) 1074-1086.
主要贡献：系统研究谱 Lp/Lq 范数比与谱基尼指数的理论性质，为频域稀疏性度量提供理论支撑。

Dong Wang*, et al. Box-Cox Sparse Measures: A New Family of Sparse Measures Constructed from Kurtosis and Negative Entropy. Mechanical Systems and Signal Processing, 160 (2021) 107930.
主要贡献：系统性提出 Box-Cox 稀疏度量族，将峭度与负熵统一为广义数学框架。

Dong Wang*, et al. Correlation Dimension and Approximate Entropy for System Health Monitoring: Revisited. Mechanical Systems and Signal Processing, 152 (2021) 107497.
主要贡献：重新审视关联维数与近似熵在系统健康监测中的应用，分析其参数选择对结果的影响，为非线性动力学特征的使用提供实用建议。

Bingchang Hou, Dong Wang*, Tangbin Xia, Yi Wang, Yang Zhao, Kwok-Leung Tsui. Investigations on Quasi-arithmetic Means for Machine Condition Monitoring. Mechanical Systems and Signal Processing, 151 (2021) 107451.
主要贡献：系统研究拟算术平均在机械状态监测中的应用，揭示不同均值算子（如幂均值）与稀疏度量的内在联系，拓展特征融合方法。

Tongtong Yan, Dong Wang*, Tangbin Xia, Lifeng Xi. A Generic Framework for Degradation Modeling Based on Fusion of Spectrum Amplitudes. IEEE Transactions on Automation Science and Engineering, 19 (2021) 308-319.
主要贡献：提出基于谱幅值融合的通用退化建模框架，将多个频率分量的幅值通过优化权重融合为单一健康指标，具有较好的可解释性。

Tongtong Yan, Dong Wang*, Jinzhen Kong, Tangbin Xia, Zhike Peng, Lifeng Xi. Definition of Signal-to-Noise Ratio of Health Indicators and Its Analytic Optimization for Machine Performance Degradation Assessment. IEEE Transactions on Instrumentation and Measurement, 70 (2021).
主要贡献：定义健康指标的信噪比（SNR），并提出解析优化方法直接最大化 SNR，为健康指标设计提供了新的评价准则。

Dong Wang*, Zhike Peng, Lifeng Xi. The Sum of Weighted Normalized Square Envelope: A Unified Framework for Kurtosis, Negative Entropy, Gini Index and Smoothness Index for Machine Health Monitoring. Mechanical Systems and Signal Processing, 140 (2020) 106725.
主要贡献：提出加权归一化平方包络和（SWNSE），从数学上统一峰度、负熵、基尼指数和平滑度指数四个经典指标，揭示其共同结构并导出新的优化目标。

Dong Wang*, Some further thoughts about spectral kurtosis, spectral L2/L1 norm, spectral smoothness index and spectral Gini index for characterizing repetitive transients, Mechanical Systems and Signal Processing, 108C (2018) pp. 360-368.

主要贡献：定义了谱基尼指数，揭示了其与谱峭度、谱L2/L1范数及谱平滑度指数倒数之间的数学联系。

Dong Wang*. Spectral L2/L1 norm: A new perspective for spectral kurtosis for characterizing non-stationary signals. Mechanical Systems and Signal Processing, 104 (2018) 290-293.
主要贡献：提出广义谱峭度的新视角，用于表征非平稳信号的冲击成分。

Dong Wang*, Kwok-Leung Tsui. Brownian motion with adaptive drift for remaining useful life prediction: revisited. Mechanical Systems and Signal Processing, 99 (2018) 691-701.
主要贡献：重新审视带自适应漂移的布朗运动模型，提出改进的漂移参数估计方法，提升剩余寿命预测的适应性。

Dong Wang*, Kwok-Leung Tsui. Dynamic Bayesian Wavelet Transform: New Methodology for Extraction of Repetitive Transients. Mechanical Systems and Signal Processing, 88 (2017) 137-144.
主要贡献：提出动态贝叶斯小波变换，将贝叶斯动态模型与小波变换相结合，实现重复瞬态信号的自适应提取，是概率化时频分析的新方法。

Dong Wang*, Kwok-Leung Tsui, Statistical modeling of bearing degradation signals, IEEE Transactions on Reliability, 66 (2017) 1331 - 1344.

主要贡献：提出了一种基于漂移系数动态演化的广义贝叶斯统计模型，该模型能更准确地估计退化漂移系数，从而显著提升寿命预测精准度。