王润琼，男，博士，特聘五级副教授，硕士生导师，tyc1286太阳成集团崂山学者、高层次引进人才。

主要从事智能加工技术、制造系统数字孪生、边-云协同制造等方向研究；主持山东省自然科学基金等科研项目多项，作为研究骨干参与国家自然科学基金优秀青年基金项目、面上项目及山东省重点研发计划等科研项目多项；担任J Manuf Process、Mech Syst Signal Pr、Expert Syst Appl等期刊审稿人，近年来在J Manuf Syst、Robot Cim-int Manuf、Mech Syst Signal Pr等高水平SCI期刊发表论文20余篇，影响因子10.0以上论文2篇，申请发明专利10余项；获博士研究生国家奖学金、辽宁省优秀硕士学位论文等国家级、省部级奖励多项。

E-mail:rqwang@qust.edu.cn

个人主页：https://runqiong.wang/

教育经历

2020.09~2024.12，山东大学，机械工程专业，博士

2023.10~2024.10，奥克兰大学，机械与机电工程系，联培博士生

2015.09~2018.01，东北大学，机械工程专业，硕士

2011.09~2015.06，鲁东大学，机械设计制造及其自动化专业，学士

工作履历

2025.03~至今，tyc1286太阳成集团，tyc1286太阳成集团，智能制造工程系，特聘副教授

2018.08~2020.08，现代汽车研发中心（中国）有限公司，研发工程师

研究领域

面向航空航天、轨道交通、能源装备等高端制造领域，针对关键零部件加工过程中存在的精度控制差、效率提升慢、质量追溯难等共性挑战，融合、人工智能、边缘计算、数字孪生等新一代信息技术，开展切削状态智能诊断、加工质量在线管控、制造过程数字孪生构建等方向研究。

主要成果

1)代表性论文

[1]Wang R, Song Q, Peng Y, et al. Milling surface roughness monitoring using real-time tool wear data[J]. International Journal of Mechanical Sciences 2025;285:109821 (IF: 9.4，中科院1区Top期刊)

[2]Wang R, Song Q, Peng Y, et al. Toward digital twins for high-performance manufacturing: Tool wear monitoring in high-speed milling of thin-walled parts using domain knowledge[J]. Robotics and Computer-Integrated Manufacturing 2024;88:102723 (IF: 11.4，中科院1区Top期刊)

[3]Wang R, Song Q, Peng Y, et al. A milling tool wear monitoring method with sensing generalization capability[J]. Journal of Manufacturing Systems 2023;68:25-41. (IF: 14.2，中科院1区Top期刊)

[4]Wang R, Song Q, Peng Y, et al. Self-adaptive fusion of local-temporal features for tool condition monitoring: A human experience free mode[J]. Mechanical Systems and Signal Processing 2023;195:110310. (IF: 8.9，中科院1区Top期刊)

[5]Wang R, Song Q, Liu Z, et al. Multi-condition identification in milling Ti-6Al-4V thin-walled parts based on sensor fusion[J]. Mechanical Systems and Signal Processing 2022;164:108264. (IF: 8.9，中科院1区Top期刊)

[6]Wang R, Zhu L, Zhu C. Research on fractal model of normal contact stiffness for mechanical joint considering asperity interaction[J]. International Journal of Mechanical Sciences 2017;134:357–69. (IF: 9.4，中科院1区Top期刊)

[7]Wang R, Song Q, Liu Z, et al. A Novel Unsupervised Machine Learning-Based Method for Chatter Detection in the Milling of Thin-Walled Parts[J]. Sensors 2021;21:5779.

[8]王润琼,宋清华,彭业振等.基于特征自适应融合和集成学习的高性能铣削刀具状态监测[J].机械工程学报2024;60(1):149-158.

[9]王润琼,朱立达,朱春霞.基于域扩展因子和微凸体相互作用的结合面接触刚度模型研究[J].机械工程学报2018;54(19):88-95.

2)代表性专利

[1]宋清华,王润琼,刘战强等,一种在线监测薄壁件铣削刀具状态的特征强化方法及系统,ZL202210366357.6.授权日期:2023-03-14

[2]宋清华,王润琼,刘战强等,一种多传感信号融合监测薄壁件铣削数据降维方法及系统,ZL202110179639.0.授权日期:2022-04-22

[3]王润琼,朱立达,倪陈兵等,一种考虑粗糙表面微凸体相互作用影响的确定受载结合部法向接触刚度的方法,ZL201710029431.4.授权日期:2020-06-16

[4]宋清华,王润琼,彭业振等,基于多域特征行为规律表征的刀具磨损监测方法及系统,2023108305952.授权日期:2025-02-14

[5]宋清华,王润琼,刘战强等,一种切削信号多域特征高质融合及融合特征性能评价方法,202211156530.6.申请日期:2022-09-22

[6]宋清华,王润琼,彭业振等,考虑刀具实时状态的铣削表面粗糙度在线监测方法及系统, 2023113508035.申请日期:2023-10-18

[7]王润琼,杨化林,张秋爽等.基于特征自适应过滤薄壁件铣削表面质量监测方法及系统, 2025109891866.申请日期: 2025-07-17

3)科研项目

[1]整体叶盘铣削状态智能感知理论相关，山东省自然科学基金青年科学基金项目（C类），13万，2025~2028，主持

[2]难加工薄壁件切削数字孪生构建相关，tyc1286太阳成集团引进人才科研启动经费，20万，2025~2029，主持

[3]数据-物理融合智能诊断技术相关，国家自然科学基金面上项目，2023~2026，研究骨干

[4]工业母机高效监测算法开发应用相关，山东省重点研发计划（重大创新工程），2020~2023，研究骨干

研究方向面向智能制造领域前沿，在研课题紧密联系人工智能与高端装备制造，毕业生就业/深造前景优异，欢迎机械、计算机背景学生报考研究生！