1. 基础信息
姓名：张晓红
职称：教授
导师资格：博士生导师 / 硕士生导师
学位：太原科技大学 机械设计及理论专业 工学博士
办公地点：新校区力行园 410室
电子邮箱：zhangxh@tyust.edu.cn
2. 研究方向
工业装备剩余寿命预测
预测性维修与生产优化
工业大数据分析与数字孪生
3. 教育经历
2011.09–2015.06 太原科技大学 机械设计及理论专业 工学博士
2005.09–2009.06 上海师范大学 计算机应用技术专业 工学硕士
1997.09–2001.06 山西师范大学 计算机科学与技术专业 理学学士
4. 工作/访学经历
2001.09—2006.11 山西师范大学 数学与计算机科学学院计算机系 助教
2006.11—2015.07 山西师范大学 数学与计算机科学学院计算机系 讲师
2015.07—2016.11 好博体育官网 经济与管理学院工业工程系 讲师
2016.11—2021.12 好博体育官网 工业与系统工程研究所 副教授
2018.12—2019.12 美国阿肯色大学 工程学院工业工程系 访问学者
2021.12—至今 好博体育官网 工业与系统工程研究所 教授
2022.09—至今 好博体育官网 好博体育官网控制科学与工程 博士生导师
2023.06—至今 好博体育官网 工业与系统工程研究所 所长
5. 教学工作
本科课程
《智能制造概论》《数据结构》《人工智能》《企业资计划》《标准化概论》
研究生课程
《可靠性数学概论》《故障预测与健康管理》
教学成果
[1] 多部件系统维修与备件库存联合决策模型与方法. 科学出版社, 2020
[2] 随机退化系统剩余寿命预测结果可信度评估及预测维修决策, 山西省优秀博士学位论文指导教师
[3] 多失效模式划分下多指标退化系统维修与资源准备联合决策, 山西省优秀硕士学位论文指导教师
[4] 相依多模失效下矿井主通风系统最优切换及视情维修决策研究, 山西省优秀硕士学位论文指导教师
6. 科研成果
科研项目
[1] 教育部人文社科规划项目: 相关多指标退化系统多故障模式剩余寿命预测与维修决策研究, 25YJA630119, 主持
[2] 国家自然科学基金面上项目: 考虑预测可信度评估的多部件系统预测维修与备件库存联合决策研究, 72071183, 合作主持
[3] 国家自然科学基金青年项目: 可修多部件系统视情非完美维修及其与备件库存的联合决策研究, 71701140, 主持
[4] 国家自然科学基金面上项目: 复杂多部件系统视情维修及其与备件库存联合决策的建模与优化研究, 61573250, 第二参与人
[5] 中央引导地方科技发展资金项目: 数据驱动的精带智能排产与预测维护联合决策支持系统研究和应用, YDZJSX2025D089, 主要完成人
[6] 山西省科技创新人才团队: 复杂装备故障预测与健康管理, 202304051001032, 带头人
[7] 山西省优秀研究生导师团队: 工业装备可靠性与智能运维团队, 2025TD20, 带头人
[8] 山西省重点研发计划项目: 数字孪生驱动的轧机减速机运行故障诊断与预测性维护技术攻关和应用示范, 202402150101005, 主持
[9] 山西省科技重大专项计划课题: 煤粉锅炉快速变负荷自动化控制协同降碳关键技术研究与示范: 基于大数据和深度学习的智慧发电全负荷优化技术研究, 202201090301013, 课题负责人
[10] 山西省重点研发计划项目课题: 轧机减速机关键运行参数的智能化多模在线监测技术202302150401002, 主要完成人
[11] 山西省重点研发计划项目课题: 风力发电机组的大数据系统及应用服务平台研发: 风电机组大数据应用服务系统设计与开发, 201703D111011, 课题负责人
[12] 山西省高等学校人文社会科学重点研究基地项目: 大数据产业与装备制造业融合创新发展路径研究, 20220123, 主持
[13] 山西省自然科学基金面上项目: 随机环境影响的多性能退化系统剩余寿命预测及维修决策研究, 202203021211194, 主持
[14] 山西省青年科技研究基金: 面向轧辊的可修多部件系统最优视情更换与备件库存联合优化研究, 201601D021082, 主持
[15] 山西省留学人员科技活动择优资助项目: 减速机液压系统剩余寿命预测与智能运维决策生成模型研究, 20250027, 主持
[16] 山西省回国留学人员科研资助项目: 考虑可信度评估的多性能退化系统剩余寿命预测与维修决策, 2022-161, 主持
[17] 山西省高等学校科学研究优秀成果培育项目: 复杂多部件系统视情机会维修与备件库存联合决策研究, 2019SK028, 主持
[18] 山西省高等学校科技创新项目: 基于服务质量评估的租赁系统最优维护方案决策研究, 201802091, 主持
学术论文
[1] A novel machinery RUL prediction method based on dynamic sparsely-connected spatial-temporal graphs and multi-scale lightweight design. Mechanical Systems and Signal Processing, 2026, 250: 114172 ( 通讯作者, SCI: Q1, 中科院Top)
[2] Joint optimization of maintenance and resource preparation of system with multi-indicator degradation based on multiple failure mode division, Reliability Engineering and System Safety, 2026, 266: 111768 (第一作者, SCI: Q1, 中科院Top)
[3] Mechanism data-driven modeling of stochastic wear and degradation of rolls in hot finishing mill, Wear, 2025, 568-569: 205926 (通讯作者, SCI: Q1, 中科院Top)
[4] Guannan Shi, Xiaohong Zhang, Jianchao Zeng, Haitao Liao, Jie Gan, Jinhe Wang, Zhijian Wang. A Predictive Maintenance Framework Based on Real-Time Credibility Evaluation of Remaining Useful Life Prediction Results. Reliability Engineering and System Safety, 2025: 111342 (通讯作者, SCI: Q1, 中科院Top)
[5] Optimal double-layer preventive maintenance decision-making of natural gas pipeline networks based on gas supply reliability and vulnerability assessment. Reliability Engineering and System Safety, 2025, 264: 111407 (通讯作者, SCI: Q1, 中科院Top)
[6] Six-Dimensional Digital Twin Modeling and Software Platform Design for Complex Industrial Systems, Journal of Intelligent Manufacturing, 2025: 1-22 (SCI: Q1, 中科院Top)
[7] Integrated decision of production scheduling and condition-based maintenance planning for multi-unit systems with variable replacement thresholds, Journal of Manufacturing Systems, 2024 (74): 647–664 (通讯作者, SCI: Q1, 中科院Top)
[8] A chance-constrained net revenue model for online dynamic predictive maintenance decision-making, Reliability Engineering and System Safety, 2024, 110233 (通讯作者, SCI: Q1, 中科院Top)
[9] Real-Time Evaluation of the Credibility of Remaining Useful Life Prediction Result, IEEE Transactions on Reliability, 2024. 73 (3): 1606-1618 (通讯作者, SCI: Q1, 中科院Top)
[10] Failure Mode Division and Remaining Useful Life Prognostics of Multi-indicator Systems with Multi-fault, Reliability Engineering and System Safety, 2024, 109961, (通讯作者, SCI: Q1, 中科院Top)
[11] Optimal switching and condition-based maintenance of cold standby systems subject to competitive failure and imperfect switchover. Journal of the Operational Research Society, 2024, 75 (5): 982-999 (通讯作者, SCI)
[12] Degradation modeling and remaining life prediction of multi-state long-life systems under random environmental influences, Measurement Science and Technology, 2024, 35 (9): 095110 (通讯作者, SCI)
[13] Remaining Useful Life Prediction of Weighted k-out-of-n Systems Based on Dynamic Random Weights of Importance, Computers and Industrial Engineering, 2023, 183: 109540 (通讯作者, SCI: Q1, 中科院Top)
[14] Reliability Analysis of Mining Machinery Pick Subject to Competing Failure Processes With Continuous Shock and Changing Rate Degradation. IEEE Transactions on Reliability, 2023. 72 (2): 795-807 (通讯作者, SCI: Q1)
[15] Remaining useful life prediction for complex systems with multiple indicators of stochastic correlation considering random shocks. Mechanical Systems and Signal Processing, 2023. 204: 110767 (SCI: Q1, 中科院Top)
[16] Dynamic group-maintenance strategy for wind farms based on imperfect maintenance model. Ocean Engineering, 2022, 259: 111311 (通讯作者, SCI)
[17] Joint decision of condition-based opportunistic maintenance and scheduling for multi-component production systems, International Journal of Production Research, 2021: 1-10 (通讯作者, SCI: Q1, 中科院Top)
[18] Optimal Condition-based Opportunistic Maintenance and Spare Parts Provisioning for a Two-unit System using a State Space Partitioning Approach. Reliability Engineering and System Safety, 2021,209: 107451 (第一作者, SCI: Q1, 中科院Top)
[19] Optimal dynamic imperfect preventive maintenance of wind turbines based on general renewal processes. International Journal of Production Research. 2020. 58 (22): 6791-6810 (通讯作者, SCI: Q1, 中科院Top)
[20] Lessees’ satisfaction and optimal condition-based maintenance policy for leased system. Reliability Engineering and System Safety. 2019, 191: 106532 (通讯作者, SCI: Q1, 中科院Top)
[21] Joint optimization of condition-based opportunistic maintenance and spare parts provisioning policy in multiunit systems. European Journal of Operational Research, 2017, 262 (2): 479-498 (第一作者,SCI: Q1, 中科院Top)
[22] A General Modeling Method for Opportunistic Maintenance Modeling of Multi-unit Systems. Reliability Engineering and System Safety, 2015. 140: 176-190 (第一作者,SCI: Q1, 中科院Top)
[23] Deterioration state space partitioning method for opportunistic maintenance modelling of identical multi-unit systems. International Journal of Production Research, 2015. 53 (7): 2100-2118 (第一作者, SCI: Q1, 中科院Top)
[24] 冷/温混合贮备系统最优切换及视情维修决策.控制与决策,2024,39 (6): 2069-2078 (第一作者, EI)
[25] 相依多模失效下冷贮备系统最优切换及视情维护决策.控制与决策,2023,38 (09): 2672-2680 (第一作者, EI)
[26] 基于多状态空间划分的风电机组非完美维修决策. 太阳能学报, 2022, 43 (11): 203-214 (第一作者, EI)
[27] 基于多状态劣化空间划分的多部件系统维修决策. 计算机集成制造系统, 2022.28 (3): 769-779 (第一作者, EI)
[28] 基于马尔可夫过程的多部件系统劣化状态空间划分模型. 控制与决策, 2021. 36 (2): 418-428 (第一作者, EI)
[29] 加速冲击损伤退化系统剩余寿命预测及预测维修决策. 控制与决策, 2022. 37 (10): 2647-2656 (通讯作者, EI)
[30] 基于状态空间划分的可修系统视情维修决策. 系统工程理论与实践, 2020, 40 (5): 1350-1360 (通讯作者, EI)
知识产权
[1] 一种旋转机械在线RUL预测结果实时可信度评估方法, 发明专利。
[2] 一种齿轮的实时剩余寿命预测方法, 发明专利。
[3] 一种面向复杂系统场景的数字孪生平台构建方法, 发明专利。
[4] 面向数字孪生平台的关系型和时序型数据库协同运行方法, 发明专利。
[5] 一种基于域泛化学习框架的滚动轴承故障诊断方法, 发明专利。
科研奖励
[1] Multi-dimensional intelligent operation and maintenance cloud platform for industrial systems under complex operating conditions, 第49届日内瓦国际发明展金奖 (排名第二)
[2] 工业装备复杂工况故障诊断与预测性维护关键技术及应用,中国发明协会发明创业成果奖二等奖 (排名第二)
[3] 山西省第十二次社会科学研究优秀成果二等奖 (排名第一)
[4] 2021年度“百部 (篇)工程”一等奖 (排名第一)
[5] 山西省第十一次社会科学研究优秀成果二等奖 (排名第一)
[6] 2019年山西省高等学校科学研究优秀成果一等奖 (排名第一)
[7] 2017年度“百部 (篇)工程”二等奖 (排名第一)
7. 招生信息
每年招收管理科学与工程科（工学）硕士，控制科学与工程学科博士。欢迎控制工程、机械工程、自动化、计算机、管理科学、工业工程等相关专业学生咨询报考。
课题组科研条件完善、科研经费充裕，依托多项国家级、省部级科研项目开展研究工作，配备完备的软硬件实验平台。
8. 合作交流
课题组与钢铁、电力、矿山机械等行业多家龙头企业建立了稳定的校企合作机制，为企业提供设备健康运维、工业大数据分析、生产线智能化改造升级等技术服务；同时与国内外多所知名高校、顶尖科研团队保持长期学术合作关系，欢迎各类企业、高校及科研院所开展产学研协同攻关、联合人才培养等。
