副教授
教育经历
2007.9-2011.7东北大学信息科学与工程学院测控技术与仪器专业学士学位
2011.9-2013.7东北大学信息科学与工程学院电气工程专业硕士学位
2013.9-2018.7东北大学信息科学与工程学院控制理论与控制工程专业博士学位
工作经历
2018.7-至今 东北大学 计算机科学与工程学院 博士后
2018.7-2022.12 东北大学信息科学与工程学院讲师
2023.1-至今东北大学信息科学与工程学院副教授
研究方向
(1) 能源管道电磁无损检测
(2) 输变电设备故障诊断与健康管理
(3) 面向工业大数据的人工智能与深度学习
招收博士/硕士方向
学术型及专业型硕士（电气工程，能源动力）
项目
(1)环境非友好场景下模型迁移的管道缺陷轮廓反演方法，国家自然科学基金青年项目，62003080，202101-202312，24万，主持
(2)数模联动补偿下微电网信息物理系统微小故障智能诊断与主动安全控制，国家自然科学基金面上项目，62273058，202301-202612，53万，子课题主持
(3)电力变压器数字孪生与智能运维理论研究与技术应用，国家自然科学基金联合基金项目，U22A2055，202301-202612，224万，子课题主持
(4)针对小样本不完备数据的管道缺陷反演方法，中央高校基本科研业务费资助（培育）项目，N180403021，201901-202012，14万，主持
(5)基于靶向主动感知的管道缺陷检测方法，中央高校基本科研业务费资助（培育）项目，N2204011，202201-202312，11万，主持
(6)漏磁内检测器数据分析系统升级，校企合作项目，2019021000012，201903-201906，56万，主持
(7)管道内检测器四规格数据分析系统技术研发，校所合作项目，2019021000052，201907-202012，130万，主持
(8)管道漏磁内检测信号预处理算法研究，校企合作项目，2022021000049，202209-202308，37万，主持
(9)基于漏磁内检测的管道特征识别算法和金属损失识别量化算法研究，校企合作项目，2023021000060，202310-202407，74万，主持
(10)内检测器里程修正算法及姿态算法研究、内检测器故障模式分析服务，校企合作项目，2023021000037，202307-202311，32万，主持
(11)海管检测数据综合处理与缺陷评估关键技术研究与软件开发，国家重点研发计划项目，2017YFF0108804，201707-202106，681万，参与
(12)基于电磁全息协同的海洋在役油气管道内检测仪器研制，国家自然科学基金重大科研仪器研制项目，61627809，201701-202112，706万，参与
(13)基于异构场的深海管道进化缺陷故障诊断方法研究，国家自然科学基金面上项目，61973071，202001-202312，59万，参与
(14)基于数模混合驱动的综合能源系统的信息智能获取及状态感知研究，国家自然科学基金面上项目，62073064，202101-202412，57万，参与
(15)基于同源涡流漏磁协同探伤的非合作环境油气管道缺陷检测深度识别方法，国家自然科学基金面上项目，62173081，202201-202512，58万，参与
(16)面向潜伏期故障的数模联动并行补偿诊断方法研究，国家自然科学基金面上项目，61673093，201701-202012，62万，参与
学术成果
专著或教材
(1)阎洪涛, 刘金海, 卢森骧等. 基于漏磁内检测器的管道缺陷数据处理方法[M]. 北京:科学出版社. 2016.
期刊论文
(1)Lu SX, Feng J, Zhang HG, et al. An Estimation Method of Defect Size From MFL Image Using Visual Transformation Convolutional Neural Network [J]. IEEE Transactions on Industrial Informatics, 2019, 15(1): 213-224.
(2)Lu SX, Zhou TH, Wang CY, et al. An Internal Detector Positioning Method in Oil Pipelines Using Vibration Signal [J]. IEEE Sensors Journal, 2023, 23(12): 13411-13421.
(3)Lu SX, Feng J, Li FM, et al. Precise Inversion for the Reconstruction of Arbitrary Defect Profiles Considering Velocity Effect in Magnetic Flux Leakage Testing [J]. IEEE Transactions on Magnetics, 2017, 53(4): 1-12.
(4)Lu SX, Yue YQ, Liu XY, et al. A novel unbalanced weighted KNN based on SVM method for pipeline defect detection using eddy current measurements [J]. Measurement Science and Technology, 2023, 34(1): 1-9.
(5)Hou DF, Lu SX, Yi GM, et al. A Target-Focusing Optimization Method for 3-D Profile Reconstruction of Defects Using MFL Measurements [J]. IEEE Transactions on Instrumentation and Measurement, 2023, 72: 1-11.
(6)Feng J, Lu SX, Liu JH, et al. A Sensor Liftoff Modification Method of Magnetic Flux Leakage Signal for Defect Profile Estimation [J]. IEEE Transactions on Magnetics, 2017, 53(7): 1-13.
(7)Feng J, Xiao Q, Lu SX, et al. A Double Remote Magnetic Field Synthesis Method for Reducing High-Speed MFL Signal Distortion Caused by Velocity Effect [J]. IEEE Transactions on Industrial Electronics, 2024, 71(1): 1049-1059.
(8)Feng J, Zhang XB, Lu SX, et al. A Single-Stage Enhancement-Identification Framework for Pipeline MFL Inspection [J]. IEEE Transactions on Instrumentation and Measurement, 2022, 71: 1-13.
(9)Feng J, Yao Y, Lu SX, et al. Domain Knowledge-Based Deep-Broad Learning Framework for Fault Diagnosis [J]. IEEE Transactions on Industrial Electronics, 2021, 68(4): 3454-3464.
(10)Zhang XB, Feng J, Lu SX, et al. FMD-Framework: A Size Estimation Method for Pipeline Defects in Weld-Affected Zones [J]. IEEE Transactions on Instrumentation and Measurement, 2023, 72: 1-11.
(11)Feng J, Li FM, Lu SX, et al. Injurious or Noninjurious Defect Identification From MFL Images in Pipeline Inspection Using Convolutional Neural Network [J]. IEEE Transactions on Instrumentation and Measurement, 2017, 66(7): 1883-1892.
(12)Xiao Q, Feng J, Lu SX, et al. Accurate Identification for 3-D Position of Hybrid Defects in Ferromagnetic Pipe Using External Remote Field Eddy Current Testing [J]. IEEE Transactions on Magnetics, 2022, 58(3): 1-10.
(13)Zhang SX, Feng J, Lu SX, et al. Weak Magnetic Flux Leakage Detection and Numerical Method Under Inclined Pressure Conditions [J]. IEEE Transactions on Magnetics, 2023, 59(8): 1-9.
(14)Zhang SX, Feng J, Lu SX. A novel method for fusing graph convolutional network and feature based on feedback connection mechanism for nondestructive testing [J]. Pattern Recognition Letters, 2022, 164: 284-292.
(15)Zhang SX, Feng J, Lu SX, et al. A novel MFL detection method based on low frequency AC magnetization for identification defect [J]. Journal of Magnetism and Magnetic Materials, 2023, 580: 1-11.
(16)Zhang SX, Feng J, Lu SX, et al. A stress defect state measurement method based on low-frequency ACMFL excitation and Hall sensor array collection [J]. Measurement Science and Technology. 2023: 1-10
(17)卢森骧, 徐行, 张润江等. 基于多维度选择性搜索的小样本缺陷识别方法[J]. 仪器仪表学报, 2022, 43(01): 220-228
(18)卢森骧, 神祥凯, 张俊楠等. 基于三轴融合的漏磁内检测数据缺陷反演方法研究[J]. 仪器仪表学报, 2021, 42(12): 245-253
会议论文
(1)Lu SX, Feng J, Wu J, et al. A Time Weight Convolutional Neural Network for Positioning Internal Detector[C]; proceedings of the 31st Chinese Control And Decision Conference (CCDC), Nanchang, PEOPLES R CHINA, F Jun 03-05, 2019.
(2)Lu SX, Wu J, Zhang JN, et al. A Conditional Variational Autoencoder Algorithm for Reconstructing Defect Data of Magnetic Flux Leakage[C]; proceedings of the 32nd Chinese Control And Decision Conference (CCDC), Hefei, PEOPLES R CHINA, F Aug 22-24, 2020.
(3)Lu SX, Feng J, Li FM, et al. Extracting defect signal from the MFL signal of seamless pipeline[C]; proceedings of the 29th Chinese Control and Decision Conference (CCDC), Chongqing, PEOPLES R CHINA, F May 28-30, 2017.
(4)Sun SX, Zhang HG, Lu SX, et al. Data Preprocessing Based on MFL Inspection[C]; proceedings of the 2017 3rd International Conference on Applied Mechanics and Mechanical Automation (AMMA), Phuket, THAILAND, F Aug 06-07, 2017.
(5)Li FM, Feng J, Lu SX, et al. Convolution Neural Network for Classification of Magnetic Flux Leakage Response Segments[C]; proceedings of the 6th IEEE Data Driven Control and Learning Systems Conference (DDCLS), Chongqing, PEOPLES R CHINA, F May 26-27, 2017.
专利
(1)卢森骧, 付雪薇, 刘金海等. 基于改进粒子群算法的不规则管道缺陷的反演方法[P]. CN110674915B, 2022-11-25.
(2)卢森骧, 姜琳, 刘金海等. 一种基于LS-KNN的管道漏磁内检测缺失数据插补方法[P]. CN109492708B, 2021-04-02.
(3)束布昀, 卢森骧, 裴浩然等. 一种管道不停输内修复装置[P]. CN116658741B, 2023-09-26.
(4)生远修, 白景文, 卢森骧等. 一种旋转直动式旁通泄流阀[P]. CN218377919U, 2023-01-24.
(5)周天宏, 谢天时, 卢森骧等. 一种适用于大管径输油管道的管道内检测辅助循迹装置[P]. CN218153033U, 2022-12-27.
(6)刘金海, 魏红秋, 卢森骧等. 一种SVM有向无环图的海底管道风险评估方法[P]. CN110288048B, 2022-11-29.
(7)易光模, 侯涤非, 卢森骧. 一种基于ELF衰减场的管道内外检测机器人自适应联动方法[P]. CN115201320A, 2022-10-18.
(8)侯涤非, 宋佳民, 卢森骧等. 一种励磁方向可依条件切换的漏磁内检测装置[P]. CN217212413U, 2022-08-16.
(9)陈麒如, 刘金海, 卢森骧等. 一种基于复杂管道环境的柔性测径清管器及其使用方法[P]. CN114632773B, 2022-08-05.
(10)陈麒如, 刘金海, 卢森骧等. 一种高通过性管道变径检测及定位装置[P]. CN114646250B, 2022-08-05.
(11)冯宇霖, 刘金海, 卢森骧等. 基于红外热成像的管道缺陷检测数据收集装置[P]. CN216117426U, 2022-03-22.
(12)王柄洋, 刘金海, 卢森骧等. 基于transformer的热成像检测管道内部缺陷的方法[P]. CN113034469B, 2023-10-24.
(13)冯健, 于春洋, 卢森骧等. 一种基于步进环栅的输电线路的多目标优化路径选择方法[P]. CN110532508B, 2020-09-18.
(14)刘金海, 付明芮, 卢森骧等. 一种管道内检测漏磁数据智能分析系统及方法[P]. CN109783906B, 2023-07-07.
获奖
(1)2022年辽宁省科学技术进步二等奖：大范围油气管网云边协同安全运行监测技术与应用
(2)2022年《仪器仪表学报》年度优秀论文奖
(3)2023年中国石油和化工自动化应用协会科技进步一等奖：海洋油气管道完整性精准管理关键技术与应用
(4)2023年中国职业安全健康协会科学技术奖特等奖：海底油气管道安全保障关键技术研究及应用
(5)2023年第十八届“挑战杯”全国大学生课外学术科技作品大赛，国家级特等奖，指导教师
(6)2023年第十一届中国TRIZ杯大学生创新方法大赛，国家级特等奖，指导教师
(7)2022年第十届中国TRIZ杯大学生创新方法大赛，国家级一等奖，指导教师
(8)2021年第九届中国TRIZ杯大学生创新方法大赛，国家级一等奖，指导教师
(9)2020年第八届中国TRIZ杯大学生创新方法大赛，国家级一等奖，指导教师
(10)2021年第十六届全国大学生交通运输科技大赛 ，国家级二等奖，指导教师
(11)2022年第十七届“挑战杯”全国大学生课外学术科技作品大赛，国家级三等奖，指导教师
(12)2020年第六届辽宁省TRIZ杯大学生创新方法大赛，一等奖，指导教师
(13)2021年第七届辽宁省TRIZ杯大学生创新方法大赛，一等奖，指导教师
(14)2021年第七届中国国际“互联网+”大学生创新创业大赛，国家级银奖，指导教师
(15)2022年第十五届挑战杯辽宁省大学生课外学术科技作品大赛，特等奖，指导教师
(16)2021年第七届辽宁省“互联网+”大学生创新创业大赛，金奖，指导教师
(17)2022年第八届辽宁省“互联网+”大学生创新创业大赛，金奖，指导教师
联系方式
办公室：信息楼102
邮箱：lusenxiang@ise.neu.edu.cn
