项盛，男，湖北荆州人，博士，副教授，硕导。比利时荷语鲁汶大学访问学者，重庆市留创人才，重庆唯哲科技有限公司科技副总，连续入选斯坦福大学“全球前2%顶尖科学家”（2024–2025）。主要从事工业时序大数据分析与多模态大模型研究。主持国家级及省部级科研项目十余项，总经费250万余元，在 IEEE TIE 等中科院一区 TOP 期刊发表第一/通讯作者论文 14 篇，其中高被引论文 2 篇、热点论文 1 篇，被引1800余次。授权国家发明专利 14 项、美国发明专利 2 项，副主编学术专著 1 部。获省部级科技一等奖、二等奖共 3 项，国际发明金奖 2 项。现任 Complex Engineering Systems 编委，Journal of Dynamics, Monitoring and Diagnostics 等国际期刊青年编委，并担任中国自动化学会故障诊断专业委员会等 4 个学术专委会委员。

1）学生培养

招生：085406控制工程、0811控制科学与工程

欢迎有志于探索多维时序预测、大模型、具身智能的同学加入，一起在科研中成长。TIPs, 特别欢迎有志于学术研究的同学，可推荐国内外高水平院校攻博与交流。

2026级毕业生

测控系研究生 郑欣佑 获国家奖学金、华为奖学金，发表IEEE TIE 等一区论文两篇， 攻博至电子科技大学黄洪钟教授课题组

机器人班本科生 沈嘉豪 获国家奖学金，本科生一作发表SCI一区论文，保研至重庆大学宋永端院士、井岗山教授课题组

1）科研项目

Ø   聚焦智能网联新能源汽车、高端装备、具身智能等领域时序预测与控制难题，主持/承担工业人工智能国家级/省部级科研项目十余项，累积经费250余万元，与剑桥大学、马里兰大学CACLE中心、荷语鲁汶大学LMSD组、米兰理工大学、华南理工大学等国内外相关课题组保持长期合作。

Ø   2025.01~至今    技术负责人   “高山全气候光伏储能系统的健康管理与优化控制”.(国家重点研发计划)

Ø   2025.09~至今    主持   “非理想条件变工况重载齿轮深度异化神经网络寿命预测”.(国家自然基金委青年C项目)

Ø   2025.12~至今    主持   “基于xx时间序列数据的故障检测”.(华为委托研发项目)

Ø   2025.12~至今    课题负责人   “文旅大模型驱动的个性化多模态交互具身机器人关键技术研发”.(广西省科技厅重点研发项目)

Ø   2025.09~至今    主持   “基于深度异化神经网络的样本极端不平衡下变工况重载齿轮寿命预测”.(重庆市面上项目)

Ø   2024.09~至今    主持   “涡轴主轴轴承寿命的深度异化混合预测方法研究”.(重庆市人社局留创项目)

Ø   2023.09~至今    课题负责人   “车载空调智能推荐算法研究”.(重庆市重点项目)

Ø   2024.05~至今    主持   “小样本下车载动力电池轻量化智能健康管理研究”.(重庆市教委项目)

Ø   2025.05~至今    主持   “基于数模混合异化时序神经网络的高速滚动轴承寿命预测研究”.(重庆市教委项目)

Ø   2024.05~至今    主持   “动态服役工况高速列车轴箱轴承数模融合异化时序网络寿命预测”.(北交国家重点实验室开放课题)

Ø   2024.05~至今    主持   “边缘智能驱动的车载动力电池健康管理关键技术研究”.(四川省重点实验室开放课题)

Ø   2023.01~至今    主研   “边缘智能驱动的动力电池健康管理关键技术研究”.(安徽省科技厅重点研发项目)

Ø   2022.01~至今    主研   “高速滚动轴承的无监督多尺度精细分层寿命预测方法研究”.(国家自然科学基金面上项目)

Ø   2021.11~至今    参研   “XXX磁传动系统状态自主监测与智能控制”（XXX重点基础研究项目课题）

Ø   2021.10~至今    参研   “水下机器人故障预测与容错控制研究”（国家自然科学基金重点项目）

Ø   2020.01~至今    主研   “海上风电场智能控制与管理平台的开发” （国家高技术船舶科研计划项目、工信部、中国）

1）科研论文

Ø   一作/通讯发表SCI一区等高水平论文30余篇，其中ESI热点一篇、高被引两篇；累积引用2300余次。本人已见刊代表作如下：（来自Google学术，更新于2026.3）

1.        Xiang S, Qin Y, Luo J, et al. Spatiotemporally multi-differential processing deep neural network and its application to equipment remaining useful life prediction. IEEE Transactions on Industrial Informatics, 2022, 18(10): 7230-7239. (领域Top期刊，中科院升级版1区/JCR Q1，IF: 12.3)

2.        Xiang S, Qin Y, Luo J, et al. Cocktail LSTM and its application into gear remaining useful life prediction. IEEE/ASME Transactions on Mechatronics. (领域Top期刊，中科院升级版1区/JCR Q1, IF: 6.4)

3.        Li, P., Zheng, X., Xiang, S* (通讯)., Hou, J., Qin, Y., Kurboniyon, M. S., & Ren, W. (2025). Channel Independence Bidirectional Gated Mamba With Interactive Recurrent Mechanism for Time Series Forecasting. IEEE Transactions on Industrial Electronics. (领域Top期刊，中科院升级版1区/JCR Q1，IF: 7.7)

4.        Wu, X., Li, P., Deng, Z., Liu, Z., Kurboniyon, M. S., Xiang, S* (通讯)., & Yin, G. (2025). LDNet-RUL: Lightweight Deformable Neural Network for Remaining Useful Life Prognostics of Lithium-ion Batteries. IEEE Transactions on Power Electronics. (领域Top期刊，中科院升级版1区/JCR Q1，IF: 6.5)

5.        Xiang S, Qin Y, Luo J, et al. Microscopic transfer learning mechanism for cross-domain machine RUL prediction. IEEE Transactions on Automation Science and Engineering. DOI: 10.1109/TASE.2024.3366288 (领域Top期刊，中科院升级版1区/JCR Q1，IF: 5.67)

6.        Qin Y, Xiang S, Chai Y, et al. Macroscopic–microscopic attention in LSTM networks based on fusion features for gear remaining life prediction[J]. IEEE Transactions on Industrial Electronics, 2019, 67(12): 10865-10875.  (领域Top期刊，中科院升级版1区/JCR Q1，IF: 7.7，被引238，高被引、热点)

7.        Xiang S, Qin Y, Luo J, et al. Multicellular LSTM-based deep learning model for aero-engine remaining useful life prediction[J]. Reliability Engineering & System Safety, 2021, 216: 107927. (领域Top期刊，中科院升级版1区/JCR Q1，IF: 8.1， 高被引)

8.        Xiang S, Qin Y, Liu F, et al. Automatic multi-differential deep learning and its application to machine remaining useful life prediction[J]. Reliability Engineering & System Safety, 2022, 223: 108531. (领域Top期刊，中科院升级版1区/JCR Q1，IF: 8.1)

9.        Xiang S, Qin Y, Luo J, et al. A concise self-adapting deep learning network for machine remaining useful Life prediction.  Mechanical Systems and Signal Processing.  (领域Top期刊，中科院升级版1区/JCR Q1, IF: 8.4，被引55)

10.      Xiang S, Qin Y, Luo J, et al. Single gated RNN with differential weighted information storage mechanism and its application to machine RUL prediction. [J]. Reliability Engineering & System Safety, 2024, 242: 109741. (领域Top期刊，中科院升级版1区/JCR Q1，IF:8.1)

11.      Xiang S, Li P, Jie Hou, et al. Dynamic self-learning neural network and its application for rotating equipment RUL prediction [J]. IEEE Internet of Things Journal. (领域Top期刊，中科院升级版1区/JCR Q1，IF:8.2)

12.      Xiang S, Qin Y, Zhu C, et al. Long short-term memory neural network with weight amplification and its application into gear remaining useful life prediction[J]. Engineering Applications of Artificial Intelligence, 2020, 91: 103587.  (领域Top期刊，中科院升级版1区/JCR Q1，IF: 8)

13.      Shen J（本科生）, Xiang, S* (通讯), Li P, et al. Progressive deep feature learning network based on fault-aware deformable convolution and its application in railway defect visual inspection[J]. Engineering Applications of Artificial Intelligence, 2026, 167: 113783. (领域Top期刊，中科院升级版1区/JCR Q1)

1）主要专利与软著

Ø   授权中国专利14项、美国专利两项、软件著作两项，部分展示如下：

1.        秦毅, 项盛, 金磊, 王阳阳, 一种基于LSTMPP的齿轮剩余使用寿命预测方法                          

2.        秦毅, 项盛, 金磊, 王阳阳, 一种基于MMALSTM的齿轮剩余使用寿命预测方法                     

3.        秦毅, 项盛, 金磊, 王阳阳, 基于鸡尾酒长短期记忆神经网络的齿轮剩余寿命的预测方法         

4.        Y Qin, S Xiang, J Luo, H Pu, Q Quan, Method for predicting remaining useful life (rul) of aero-engine based on automatic differential learning deep neural network (adldnn)，US Patent App. 17/972,539                                           

5.        Y Chin, D Qin, C Zhu, S Xiang, Binocular Automatic Gear Pitting Detection Device based on Deep Learning，US Patent App. 17/972,539，US Patent App. 17/085,723       

6.        秦毅, 阎昊冉, 项盛; 一种基于数控系统的可变中心距齿轮接触疲劳试验台                          

7.        秦毅, 项盛, 齿轮弯曲疲劳试验数据库管理系统， 软著号: 2018R11L550625

8.        秦毅, 项盛, 齿轮接触疲劳试验数据库管理系统， 软著号: 2018R11L541057

1）著作

1.        李鹏华, 项盛, 时序神经网络及其应用                            机械工业出版社

2.        秦毅, 项盛, 高端装备智能剩余使用寿命预测方法                           科学出版社

1）社会服务

Ø   中国人工智能学会青工委、中国自动化学会故障诊断专委会、中国振动工程学会动态测试专业委员会、中国指挥与控制学会具身智能专委会、中国重大数智制造及机器人、重庆市青年科学家等专委会委员。

Ø   《Journal of Dynamics, Monitoring and Diagnostics》《Journal of Energy Infrastructure》《Renewable and Sustainable Energy》《东北大学学报》等国内外杂志青年编委，《Complex Engineering Systems》编委。

Ø   担任《IEEE Transactions on Industrial Informatics》、《IEEE Transactions on Industrial Electronics》等二十余种国际知名期刊审稿人。

Ø   担任国内外知名会议分论坛主席/主持十余次。

1）科研奖励

Ÿ   2024、2025连续入选斯坦福大学发布世界前2%顶尖科学家年度榜单

Ÿ   2024中国自动化学会科技进步二等奖

Ÿ   2025比利时布鲁塞尔发明奖-金奖（世界三大发明奖）

Ÿ   2025粤港澳大湾区创新科技发明-金奖

Ÿ   2019重庆市产学研一等奖

Ÿ   2025 中国质量协会质量技术二等奖

Ÿ   2020、2021 IEEE可靠性学会重庆分会最佳论文奖

邮编 : 6f579370c0b700a2b37a32cf781da6e5252d95a45261c6229d8890102534c07593bc999c7569f7e1febe54796b52323d907febe0dbcc5fa27b69e055286788b6d0a8356268fbec0c3a2ad373dd541e0a11dae4eb03b9793e067c8a47fadbbf8384f079856b1e2c614fccc5b9d4bc4b3d5a914e1175027d27651507a70e326426

通讯/办公地址 : 5885831cb086b8cd47a546ddac320d9bba3812cdcaf7ad5c5a830fb6573c3aeb6930e1fb04fc47d7a72842de0fca0d64e44043bf214ecbea2fd4c4a311302763dd322c4ae4a5811fa2e2609afa3bf02c6992e6994543e41a50879e3ce50ee75b79e5556781527bc3c607f1b77d86b46e462399d596da4639eec6137caf6f5fe4

移动电话 : 8299673788f507ce305d571364ea2b1561a11d13ab05f1cdf8a3ee86361999af289007027b45f91a73b92f89c2fe13c0392322c2cccbc07a86173c51c9a4b2eb00c5acac9ede9eefa6856f72ae78a112c133a81e680a61621f0230167550caf7c7dbba458e9bea9e6fdba6a7ba90b28a01f59097ac94229a13ebf4001252274d

邮箱 : 4360be036b02e6de10a3e4712c5139bf1539b4bc50013b1a1f941bdc494bb7c809fa2fa27acff1f0d300403b76214a15ef710114821326910e3809ac24bf75a1abcae6235cb6c8294be60cded0f5715b9c8b3d0dd63d18438cb7b74f229cb9d9a19337b4c5219798278976634af882b07b8e8f6f33987827e3a4b8ec8e540d3f