个人简历
毛文涛，男，1980年4月生，九三学社社员，教授，工学博士，硕士生导师。2006年毕业于重庆邮电大学计算机应用专业，获工学硕士学位，导师李毅教授与金文标副教授，2006年-2011年，在西安交通大学航天航空学院攻读博士学位，获工学博士学位，导师闫桂荣教授。2011年至今，在河南师范大学大学计算机与信息工程学院从事教学与科研工作。2013年-2016年，在西北工业大学力学与土木建筑学院从事博士后研究，合作导师闫云聚教授，博士后工作入选2016年度中国博士后科学基金资助者选介。2016年-2017年，在加拿大阿尔伯塔大学机械工程系做访问学者，合作导师为左明健院士。获河南省高校科技创新人才（2015），河南省高校青年骨干教师（2014），河南省优秀研究生指导教师（2023）。任清华大学安全工程领域工程硕士校外导师（2013-2016）。
在RESS、MSSP、IEEE TII/TIM/SMC/Cybernetics、JMS、ISA-T、自动化学报、控制与决策等国内外权威学术期刊和美国控制会议（ACC）、IJCNN等国际顶级学术会议上发表学术论文80余篇，其中Top期刊16篇，ESI热点论文1篇、ESI高被引论文9篇，H指数24；获河南省教学成果二等奖1项、自然科学学术奖优秀学术论文一/二等奖4项、西安交通大学校级优秀博士学位论文奖（2012年度）、新乡市青年科技奖（2019）；主持（完成）国家自然科学基金、中国博士后科学基金、河南省产业基金子课题、河南省科技攻关项目、河南省自然科学基金等项目及各类企业课题20余项；在科学出版社出版学术专著1部、教材1部；获河南省优秀硕士学位论文指导教师（2021/2022/2023）
研究方向
机器学习理论与应用，智能故障诊断与健康管理（PHM），工业大数据分析等。
奖项
1. 毛文涛, 河南省优秀研究生指导教师, 2023。
2. 毛文涛, 河南省高等教育教学成果奖二等奖（豫教[2016]24098号）, 2016。
3. 毛文涛,《支持向量回归机模型选择研究及在综合力学环境预示中的应用》，西安交通大学,校级优秀博士学位论文奖,2012年。
4.毛文涛,闫桂荣,董龙雷,论文《ModelSelection for least squares support vector regressions based onsmall-world strategy》,河南省第二届自然科学学术奖,河南省自然科学优秀学术论文一等奖,2013年。
5.毛文涛,田梅,闫桂荣,论文《Researchof load identification based on multiple-input multiple-output SVMmodel selection》,河南省第二届自然科学学术奖,河南省自然科学优秀学术论文二等奖,2013年。
6.毛文涛,徐久成,王川,论文《Afast and robust model selection algorithm for multi-inputmulti-output support vector machine》,河南省第三届自然科学学术奖,河南省自然科学优秀学术论文二等奖,2015年。
7.毛文涛,赵胜杰,穆晓霞,王海成,论文《Multi-dimensionalExtreme Learning Machine》,河南省第四届自然科学学术奖,河南省自然科学优秀学术论文二等奖,2018年。
8.毛文涛，新乡市青年科技奖，2019年。
主持科研与教学项目
1.国家自然科学基金：基于多任务学习的机械结构小损伤检测方法研究(U1704158)。2018.01-2020.12
2.国家自然科学基金：面向综合力学环境预测的回归多任务学习研究（U1204609）。2013.01-2015.12。
3.中国博士后科学基金特别资助项目：面向结构小损伤检测的不对称多任务学习研究（2016T90944）。2016.06-2018.06。
4.中国博士后科学基金面上项目（一等资助）：基于多任务学习的复杂机体结构小损伤检测关键问题研究（2014M550508）。2014.05-2015.12。
5.2015年度河南省高校科技创新人才支持计划:基于多任务学习的结构振动微损伤识别方法研究(15HASTIT022)。2015.01-2017.12。
6.2014年度河南省高等学校青年骨干教师资助计划：面向载荷识别的回归多任务学习关键问题研究（2014GGJS-046）。2015年。
7.2021年河南省科技攻关项目：基于深度迁移学习的轴承在线健康预警与寿命预测关键技术研究（212102210103）。2021.01-2022.12。
8.2021年河南省专业学位研究生精品教学案例项目“《机器学习》”（YJS2021AL078）。2021.01-2022.12。
9. 盾构与掘进技术国家重点实验室开放课题：面向盾构TBM装备运维过程的智能资源调拨与优化关键技术研究（SKLST-2021-K04）。2021.07-2024.06。
10. 2022年河南省科技研发计划联合基金（产业类）项目：新能源汽车电驱轴承数字孪生试验系统关键技术研发（225101610001）。2023.07-2026.07。子课题负责人。
11.2024年度河南省自然科学基金面上项目：面向滚动轴承在线剩余寿命预测的张量化无监督深度迁移学习方法研究。2024.01-2025.12。
论文著作（按时间倒序）
[1] Wentao Mao(毛文涛), Wen Zhang, Ke Feng*, Michael Beer, Chunsheng Yang. Tensor representation-based transferability analytics and selective transfer learning of prognostic knowledge for remaining useful life prediction across machines. Reliability Engineering & System Safety, 242: 109695, 2024. (中科院一区Top期刊)
[2] Wentao Mao*(毛文涛), Zongtao Chen, Yanna Zhang, Zhidan Zhong. Harmony better than uniformity: A new pre-training anomaly detection. Engineering Applications of Artificial Intelligence, 127: 107427, 2024. (中科院二区)
[3] Wentao Mao*(毛文涛), Yu Wang, Ke Feng, Linlin Kou, Yanna Zhang. SWDAE: A new degradation state evaluation method for metro wheels with interpretable health indicator construction based on unsupervised deep learning. IEEE Transactions on Instrumentation and Measurement, 73: 3507313, 2024. (中科院二区)
[4] Wentao Mao*(毛文涛)，Jiaxian Chen, Jing Liu, Xihui Liang. Self-supervised deep domain-adversarial regression adaptation for online remaining useful life prediction of rolling bearing under unknown working condition. IEEE Transactions on Industrial Informatics, 19(2): 1227-1237, 2023. (中科院一区Top期刊, IF: 11.648, ESI高被引论文)
[5] Wentao Mao*(毛文涛), Gangsheng Wang, Linlin Kou, Xihui Liang. Deep domain-adversarial anomaly detection with one-class transfer learning. IEEE/CAA Journal of Automatica Sinica, 10(2): 524-546, 2023. (中科院一区Top期刊, IF: 6.171)
[6]Wentao Mao* (毛文涛)，Jing Liu, Jiaxian Chen, Xihui Liang. An interpretable deep transfer learning-based remaining useful life prediction approach for bearings with selective degradation knowledge fusion. IEEE Transactions on Instrumentation and Measurement, 71: 3508616, 2022. (SCI: 000776158800013, 中科院二区)
[7]Wentao Mao*(毛文涛) , Ling Ding, Yamin Liu, Sajad Saraygord Afshari, Xihui Liang. A new deep domain adaptation method with joint adversarial training for online detection of bearing early fault. ISA transactions, 122: 444-458, 2022. (中科院二区, ESI高被引论文)
[8] 毛文涛*, 田思雨, 窦智, 张迪, 丁玲. 一种基于深度迁移学习的滚动轴承早期故障在线检测方法[J].自动化学报, 48(1): 302-314, 2022.(CAA A类期刊, 入选学术精要高PCSI、高被引、高下载论文)
[9] Wentao Mao (毛文涛)，Jiaxian Chen, Yuejian Chen, Sajad Saraygord Afshari, Xihui Liang*. Construction of health indicators for rotating machinery using deep transfer learning with multi-scale feature representation. IEEE Transactions on Instrumentation and Measurement, 70: 3511313, 2021. (中科院二区)
[10]Wentao Mao*(毛文涛)，Yamin Liu, Ling Ding, Ali Safian, Xihui Liang*. A new structured domain adversarial neural network for transfer fault diagnosis of rolling bearings. IEEE Transactions on Instrumentation and Measurement, 70: 3509013, 2021. (中科院二区)
[11] Wentao Mao*(毛文涛)，Wushi Feng, Yamin Liu, Di Zhang, Xihui Liang. A new deep auto-encoder method with fusing discriminant information for bearing fault diagnosis. Mechanical Systems and Signal Processing, 150: 107233, 2021.(中科院二区Top期刊, ESI高被引论文)
[12]Wentao Mao*(毛文涛)，Siyu Tian, Jingjing Fan, Xihui Liang, Ali Safian. Online detection of bearing incipient fault with semi-supervised architecture and deep feature representation. Journal of Manufacturing Systems, 55: 179-198, 2020. (中科院二区)
[13]Wentao Mao (毛文涛)，Jianliang He, Ming J. Zuo*. Predicting remaining useful life of rolling bearings based on deep feature representation and transfer learning. IEEE Transactions on Instrumentation and Measurement, 69(4): 1594-1608, 2020. (中科院二区, ESI高被引论文)
[14]Wentao Mao*(毛文涛)，Ling Ding, Siyu Tian, Xihui Liang. Online detection for bearing incipient fault based on deep transfer learning. Measurement, 152: 107278, 2020. (中科院三区)
[15]Wentao Mao*(毛文涛)，Jiaxian Chen, Xihui Liang, Xinming Zhang. A new online detection approach for rolling bearing incipient fault via self-adaptive deep feature matching. IEEE Transactions on Instrumentation and Measurement, 69(2): 443-456, 2020. (中科院二区，ESI高被引论文)
[16]Wentao Mao*(毛文涛), Wushi Feng, Xihui Liang. A novel deep output kernel learning method for bearing fault structural diagnosis. Mechanical Systems and Signal Processing, 117(2): 293-318, 2019.(中科院二区Top期刊, ESI高被引论文)
[17]Wentao Mao*(毛文涛)，Yamin Liu, Ling Ding, Yuan Li. Imbalanced fault diagnosis of rolling bearing based on generative adversarial network: A comparative study. IEEE Access, 7: 9515-9530, 2019. (ESI高被引论文)
[18]毛文涛*，蒋梦雪，李源，张仕光. 基于异常序列剔除的多变量时间序列结构化预测[J].自动化学报, 44(4): 619-634, 2018.（CAA A类期刊, 刊用类型：长论文）
[19]Wentao Mao*(毛文涛)，Ling He, Yunju Yan, Jinwan Wang. Online sequential prediction of bearings imbalanced fault diagnosis by extreme learning machine. Mechanical Systems and Signal Processing, 83(1): 450-473, 2017.(中科院二区Top期刊, ESI高被引论文)
[20]Wentao Mao*(毛文涛)，Jinwan Wang，Zhanao Xue. An ELM-based model with sparse-weighting strategy for sequential data imbalance problem[J]. International Journal of Machine Learning and Cybernetics, 8(4), 1333-1345, 2017. (中科院三区, ESI热点论文)
[21]毛文涛*, 田阳杨, 王金婉, 何玲. 面向贯序不均衡分类的粒度极限学习机研究[J]. 控制与决策, 31(12): 2147-2154, 2016. (EI：20165103149959, 入选中组部领跑者5000高影响力论文)
[22]Wentao Mao*(毛文涛), Jiucheng Xu, Chuan Wang, Longlei Dong. A fast and robust model selection algorithm for multi-input multi-output support vector machine. Neurocomputing, 130: 10-19, 2014.
学生获奖
[1] 指导研究生获河南省优秀硕士学位论文（2021/2022/2023）
[2] 指导研究生多次获研究生国家奖学金（2015/2016/2019/2020/2021/2022/2023）
[3] 指导国家级大学生创新项目入选第八届和第九届全国大学生创新创业年会并展示（2015/2016）
[4] 获河南省大学生创业大赛优秀指导教师奖（2016）
[5] 指导研究生获第三届全国研究生移动终端应用设计大赛国家三等奖（2017）
联系方式
手机：15037301821，电子邮件：maowt@htu.edu.cn