通讯地址：福建省福州市福州地区大学新区学园路2号 机械工程及自动学院邮 编：350116Email：jhzhong@fzu.edu.cn

2019.07-至今，福州大学，机械工程及自动化学院，副教授2017.02，福州大学，机械工程及自动化学院，讲师2017.09-2018/02，台湾国立海洋大学，机械与机电工程系，访问学者2016.07，澳门大学，机电工程系，博士2011.07，澳门大学，机电工程系，硕士2008.07，福州大学，机械设计制造及其自动化，本科

1. 福建省工程图学学会副理事长;
2. 教育部学位中心硕士论文评审专家；
3. 学术桥评估专家；
4. 中国图学会会员；
5. 福建省科技特派员；
6. IEEE Member

IEEE Transactions on Industrial Electronics；Mechanical Systems and Signal Processing；Journal of Sound and Vibration; Measurement; Neurocomputing;

1、旋转设备信号处理；2、设备故障智能诊断与寿命预测；3、机器视觉算法；

一、主持项目:1. 校企合作项目（重点），智能仓储产线在线监测与运维系统开发（第一期），2025/11-2027/10(在研)；2. 福建省特种设备检验研究院合作项目，起重机轮压智能检测与产品化研究，2025/10-2026/12(在研)；3. 福建省福清核电有限公司合作项目，福清核TES500EG管件3D打印制造研发. 2024/05-2026/5,(在研)；4. 国网宁德供电公司项目，一种轻便型导轨矫正装置的研制.2024.10-2025.10, (结题).5. 福建省自然科学基金项目（面上）（2023J01387），基于深度迁移学习的机械转子复合故障诊断，2023/04-2025/3，(在研)；6. 福建省自然科学基金项目（面上），2019J01211，基于多重概率机器算法的风电齿轮箱耦合故障诊断研究，2019/04-2022/3，（结题）；7. 教育部协同育人项目，201902302050，新校区材料力学开发式实验室建设，2020/03-2022.02，（结题）；8. 福建省特种设备检验研究院合作项目，港口起重机防风能力检测装置机器检测方法研究，2021/11-2022/12，（结题）；9. 福建省特种设备检验研究院合作项目，起重机轮压检测装置及其检测方法研究，2021/12-2022/11，（结题）；10. 福建省特种设备检验研究院合作项目，基于振动信号的门座起重机回转状态评价方法研究，2020/06-2021/12，（结题）；11. 福州大学人才引进项目，GXRC-17029, 基于专家会诊的旋转设备故障诊断，2017/06-2019/06，（结题）；12. 福建省教育厅中青年教师教育科研项目，JAT170090，基于多重概率分类器的风力发电机齿轮箱故障诊断，2017/7-2019/3，（结题）；二、主要参与项目:1. 国家自然科学基金（面上项目），大量程复合位感图栅微纳位移显微视觉传感机制及误差机理,(在研)；2. 福建省科技厅，福厦泉国家自主创新示范区高端装备振噪检测与故障诊断协同创新平台项目,(结题)；3. 国家自然科学基金（青年项目），基于熔池热边界的电弧增材形性一体化控制理论研究，（结题）；4. 科技部与澳门联合资助项目,MoST-FDCT (015/2015/AMJ)，Intelligent Monitoring, Reliability Evaluation and Power Generation Anticipation of Wind Turbine，03/2016-02/2019，（结题）；5. 澳门大学研究基金项目，MYRG2015-00077-FST，Sparse Bayesian Extreme Learning Committee Machine for Engine Simultaneous Fault Diagnosis，04/2015-03/2018，（结题）；6. 澳门大学研究基金项目，MYRG153(Y1-L2)-FST11-YZX，“Feature Extraction and Support Vector Machines Method for Fault Diagnosis of Power Generation Equipment，06/2011-05/2013，（结题）；7. 澳门大学研究基金项目，078/09-10S/YZX/FST，Condition Monitoring based Systematic Modeling of Equipment，2010/01-2011/12，（结题）。

1. Zhong J. H., Huang F. X., Huang S. Z., Lin Q., Zhong, J. F., Zhong S. C.,CPD-YOLO: A Chip Packaging Defect Detection Network Based on Attention Feature Orthogonal Fusion and Wavelet Transform[J]. Measurement Science & Technology, 2026. DOI:10.1088/1361-6501/ae3202.
2. Zhong J. F., Lan P. Y., ... Zhong S. C. and Zhong J. H.*, A novel vision-based method using inclined sinusoidal fringe for instantaneous rotational speed measurement [J]. Measurement Science & Technology, 2026.DOI:10.1088/1361-6501/ae2a5c.
3. Zhong J. F., Tu Z. R.A., ... Zhong J. H.* and Zhong, S. C., A Novel Vision-based Sinusoidal Fringe Grating Sensing Method for Large Linear Displacement Measurement [J]. Measurement Science & Technology, 2025, 36(12).
4. Zhong J. F., Wu S. Q., ..., Zhong S. C. and Zhong J. H.*, Monocular vision-based radial vibration measurement system for rotating shafts using angular mirror imaging [J]. Measurement Science & Technology 2025, 36(10).
5. Zhong J. H., Lin Q., Huang F. X., Zhong J. F., Zhong S. C., Multi-adversarial subdomain adaptation network for unsupervised fault diagnosis [J]. Mechanical Systems and Signal Processing 2025, 236. (中科院一区TOP).
6. Zhong J. H., Gu K., Jiang H.,et al. Partial Fault Diagnosis for Rolling Bearing Based on Interpretable Partial Domain Adaptation Network[J]. IEEE Transactions on Instrumentation and Measurement, 74[2025-09-10].DOI:10.1109/TIM.2025.3560760.
7. Liu G. G., Gu K. R., Jiang H. F., Zhong J. H. et al. A semi-supervised prototypical network with dual correction for few-shot cross-machine fault diagnosis [J]. Measurement Science & Technology, 2025(4):36.
8. Zhong J. H., Jiang H. F., Gu K. R., Zhong J. F.*, Zhong S. C., Remaining useful life prediction of rolling bearing based on multi-region hypergraph self-attention network [J]. Mechanical Systems and Signal Processing , 2025, 225. (中科院一区TOP)
9. Zhong J. H., Li J. , Ding B. C.,et al. Design and experimental verification of programmable metastructures based on constant force cells[J]. Smart Materials and Structures, 2025, 34(1), 015002.
10. 陈盼盼,钟建华,丁冰晓. 柔性铰链驱动的快速刀具伺服结构设计与分析[J]. 福州大学学报（自然科学版）,2025,53(4):407-413. DOI:10.7631/issn.1000-2243.24163.
11. Zhong J. H., Lin C., Gao Y., Zhong J. F.*, Zhong S. C., Fault Diagnosis of Rolling Bearings under Variable Conditions Based on Unsupervised Domain Adaptation Method [J]. Mechanical Systems and Signal Processing , 2024，215: 14-38. (中科院一区TOP)
12. Zhong J. H.*, Gu K. R., Jiang H. F. Liang W., et al. A fine-tuning prototypical network for few-shot cross-domain fault diagnosis [J]. Measurement Science and Technology, 2024,35(1):116124.
13. Zhong J. H.，Li H., Chen Y. Q., Huang C., Zhong S. C.*, et al. Remaining useful life prediction of rolling bearings based on ECA-CAE and Autoformer [J]. Biomimetics. 2024, 9(1), 1-19.
14. 钟建华，黄聪，钟舜聪，肖顺根，基于T-SNE降维方法的滚动轴承剩余寿命预测，机械强度，2024，46(2),116-123.
15. Song M. M., Xiong Z. C., Zhong J. H.*, et al. Fault diagnosis of planetary gearbox based on dynamic simulation and partial transfer learning [J]. Biomimetics. 2023, 8(4), 221-237.
16. 钟建华，高扬，钟舜聪，基于 SWT 和双通道 ConvLSTM 的滚动轴承剩余寿命预测，矿山机械，2023，51(3)，46-53.
17. Liang W., Chen Z. X., Zhong J. H.*, et al. Multi-feature fusion-based TCA-WKNN cross-sensor fault diagnosis method for dynamic weighing[J]. Measurement Science and Technology, 2023,35(1):15132.
18. 钟建华,王永涛,卢宗兴,等. 风力机塔筒在风-地震耦合作用下的非线性时程分析[J]. 制造业自动化,2023,45(4):159-164. DOI:10.3969/j.issn.1009-0134.2023.04.033.
19. 钟建华,邱创一,巢建树,等. 基于语义引导自注意力网络的换衣行人重识别模型[J]. 计算机应用,2023,43(12):3719-3726. DOI:10.11772/j.issn.1001-9081.2022121875.
20. Song M. M., Xiong Z. C., Zhong J. H.*, et al. Research on fault diagnosis method of planetary gearbox based on dynamic simulation and deep transfer learning[J].Scientific Reports. 2022, 12(1), 111-117.
21. 单烨,钟建华,丁冰晓. 新型恒力机构的设计与分析[J]. 山东理工大学学报（自然科学版）,2022,36(5):15-20. DOI:10.3969/j.issn.1672-6197.2022.05.003.
22. 钟建华,林云树,叶锦华. 基于1DCNN的齿轮箱小样本故障诊断[J]. 组合机床与自动化加工技术,2022(7):81-84,89. DOI:10.13462/j.cnki.mmtamt.2022.07.019.
23. Liang J., Zhang Y., Zhong J. H.* and Yang H. T., A novel multi-segment feature fusion based fault diagnosis approach for rotating machinery[J]. Mechanical Systems and Signal Processing , 2019，122：19-41. (中科院一区TOP)
24. Zhong J. H., Zhang J., Liang J. and Wang H. Q., Multi-fault rapid diagnosis for wind turbine gearbox using sparse Bayesian extreme learning machine[J]. IEEE Access, 2019,7：773-781.
25. Zhong J. H.*, Wong P. K. and Yang Z. X., Fault diagnosis of rotating machinery based on multiple probabilistic classifiers, Mechanical Systems and Signal Processing[J]. 2018,108:99-114. (中科院一区TOP)
26. Ma X. B., Wong P. K., Zhao J., Zhong J. H.^*, Huang Y. and Xu X., Design and Testing of a Nonlinear Model Predictive Controller for Ride Height Control of Automotive Semi-active Air Suspension Systems[J]. IEEE Access, 2018，6：63777-63793.
27. 钟建华,钟敏,施雯. 基于多重概率机器算法的齿轮箱耦合故障诊断[J]. 制造业自动化,2018,40(12):15-19. DOI:10.3969/j.issn.1009-0134.2018.12.004.
28. Zhong J. H., Wong P. K. and Yang Z. X.*, Simultaneous-fault diagnosis of gearboxes using probabilistic committee machine, Sensors , 2016,16(2):185.
29. Zhong J. H., Yang Z. X.* and Wong P. K., An effective fault feature extraction method for gas turbine generator system diagnosis, Shock and Vibration, 2016, 2016:1-9.
30. Liang J., Zhong J. H.* and Yang Z. X., Correlated EEMD and effective feature extraction for both periodic and irregular faults diagnosis in rotating machinery, Energies, 2017, 10(10):1652.
31. Yang Z. X. and Zhong J. H.*, A Hybrid EEMD-based SampEn and SVD for Acoustic Signal Processing and Fault Diagnosis, Entropy, 2016, 18(4):112.
32. Wong P. K., Zhong J. H, Yang Z. X.* and Vong C. M., A new framework for intelligent simultaneous-fault diagnosis of rotating machinery using pairwise-coupled sparse Bayesian extreme learning committee machine, Proceedings of the Institution of Mechanical Engineers Part C Journal of Mechanical Engineering Science, 2017, 213(6):1146-1161.
33. Wong P. K.*, Zhong J. H., Yang Z. X. and Vong C. M., Sparse Bayesian Extreme Learning Committee Machine for Engine Simultaneous Fault Diagnosis, Neurocomputing, 2016, 174:331-343.
34. Yang Z. X.*, Wang X. and Zhong J. H., Representational Learning for Fault Diagnosis of Wind Turbine Equipment: A Multi-Layered Extreme Learning Machines Approach, Energies, 2016, 9(6):379.
35. Wong P. K.*, Yang Z. X., Vong C. M. and Zhong J. H.,  Real-Time Fault Diagnosis for Gas Turbine Generator Systems using Extreme Learning Machine, Neurocomputing, 2014. 128: 249-257.

2025.07 第十届全国高等学校教师图学微课示范教学创新赛道（全国三等奖）；2025.07 第十八届“高教杯”全国大学生先进成图创新大赛，（全国三等奖）；2025.01 福州大学机械工程及自动化学院优秀教职工“同观奖教金”；2024.10 福建省泉州市高层次人才第三类；2024.07 福建省晋江市高层次人才第三类；2024.07 第十七届“高教杯”全国大学生先进成图创新大赛，（全国一等奖）；2023.12 福建省高层次人才C类；2022.09 福州大学机械工程及自动化学院首届“优秀教师奖”；2021.10 第十四届“高教杯”全国大学生先进成图创新大赛，（全国二等奖）；2021.09 福州大学第三届“曾亦容奖教金”；2020.12 第十四届福建省大学生机械创新设计大赛（福建省一等奖和二等奖）；2020.03 第十四届福建省自然科学优秀学术论文三等奖；2011.09-2016.07澳门大学博士奖学金；2008.09-2011.07 澳门大学硕士奖学金。

1、 设备故障智能识别与诊断；2、 设备剩余寿命预测与管理；3、 机器视觉无损检测。