学术身份

山东大学青年未来学者

学术和社会兼职

Brain-X期刊青年编委

中国人工智能学会 青委会委员

中国振动工程学会 转子动力学委员会理事

中国振动工程学会 故障诊断委员会理事

山东省发改委高污染高能耗行业(铸造)咨询专家

山东省工信厅航空产业咨询专家

济南市市中区挂职工信局副局长

济南市市中区区委党校兼职教授

IEEE Transaction on Cybernetics, IEEE Transactions on Industrial Informatics, IEEE Transactions on Industrial Electronics, Mechanical Systems and Signal Processing, IEEE Transactions on Signal Processing, Knowledge-Based Systems, Neural Networks, ISA Transactions, Applied Energy, Energy, Journal of The Franklin Institute, Measurement, Scientific Reports, Advances in Mechanical Engineering等期刊审稿人

国内外学习和工作经历

学习经历：

2016.06在南京航空航天大学能源与动力学院获航空宇航推进理论与工程专业博士学位，课题方向为：航空发动机系统控制与仿真，航空发动机结构强度振动与可靠性；
2014.09-2015.10受国家公派留学基金委（CSC）资助在英国南安普顿大学（University of Southampton）航空工程系（Aerospace Engineering）及流固耦合组（Fluid Structure Interaction Group）联合培养博士研究生

工作经历：

2016.09-2018.11在清华大学机械工程系任助理研究员（Research Assistant），博士后师从褚福磊教授.

主讲课程

本科生：人工智能；企业实践（山东省一流课程）

研究领域

人工智能算法与生物/机械信号处理算法
机电装备故障诊断/剩余寿命预测/预测性维护（工业互联网）

增/等/减材智能制造（工业4.0）

脑机接口/医工交叉/移动协作共融机器人

旋转机械动力学与先进控制算法

承担科研项目情况

1. 国家自然科学基金青年基金项目(51705275), 变转速下旋转机械故障状态的稀疏表示与深度学习诊断方法研究，2018.01-2019.12，22万元，主持；

2. 国家自然科学基金重点项目(51335006), 大型风电装备故障机理分析与诊断，2014.01-2018.12，320万元，参与（负责人：清华大学褚福磊教授，西安交通大学陈雪峰教授）;

3. 国家自然科学基金面上项目(11872222), 高速动载角接触滚动轴承打滑机理研究，2019.01-2022.12，63万元，参与（负责人：清华大学韩勤锴副研究员）;

4. 基于人工智能与多模态脑影像学的意识障碍诊断预测，山东大学齐鲁医院课题，在研，主持；

5. 基于受体靶标的肿瘤与代谢病新药创制，山东大学青年交叉科学创新群体，在研，子课题负责人（基于人工智能技术的新型药物设计）；

6. 胆管癌预防与诊治的精准医疗集成应用示范体系，山东省重点研发计划（重大科技创新工程），在研，子课题负责人；

7. 航空发动机双转子系统动力学机理及建模求解理论与方法，山东大学基本科研业务费资助项目，主持；

8. 水基润滑材料与界面摩擦调控，山东省优秀青年基金项目，在研，参与；

9. 柔性生产线制造工艺优化与智能调度算法软件开发，高新技术企业课题，在研，主持

10. 增等减材柔性再制造生产线工艺优化与分布式绿色动态调度算法软件开发及测试，高新技术企业课题，在研，主持

     

科技竞赛：

1.作为指导教师申报的全国大学生互联网+大学生创新创业大赛项目“轨道车辆智能运维数字孪生解决方案（面向轨道车辆关重件的制造-服役-再制造全生命周期智能运维系统）”获得国赛入围奖，山东省赛金奖（学生负责人：杨长远；指导教师：马赛，万熠，朱洪涛，韩勤锴（清华大学），陈提（南京航空航天大学），王兴元)

2. 作为指导教师申报的全国大学生互联网+大学生创新创业大赛项目“基于云管一体化的核电站安全监测系统（空陆云边协同一体化核电站安全壳及关键装备健康监测系统）”获得山东省赛铜奖（学生负责人：朱鹏；指导教师：马赛，万熠，朱洪涛，韩勤锴（清华大学）)

个人主页：https://www.researchgate.net/profile/Sai-Mamasai

近期主要的代表性论文、著作、专利：

1. Yang C, Ma S*, Han Q. Robust discriminant latent variable manifold learning for rotating machinery fault diagnosis[J]. Engineering Applications of Artificial Intelligence, 2023, 126: 106996. (SCI影响因子IF=8.0).

2. Ma S*, Han Q, Chu F. Sparse representation learning for fault feature extraction and diagnosis of rotating machinery[J]. Expert Systems with Applications, 2023: 120858. (SCI影响因子IF=8.5).

3. Yang C, Ma S*, Han Q. Unified discriminant manifold learning for rotating machinery fault diagnosis[J]. Journal of Intelligent Manufacturing, 2022: 1-12. (SCI影响因子IF=8.3).

4. Wang L, Ma S*, Han Q, et al. Unified Sparse Time–Frequency Analysis: Decomposition, Transformation, and Reassignment[J]. IEEE Transactions on Industrial Informatics, 2022, 18(11): 7675-7685. (SCI影响因子IF=12.3).

5. Wang L, Ma S*, Han Q. Enhanced sparse low-rank representation via nonconvex regularization for rotating machinery early fault feature extraction[J]. IEEE/ASME Transactions on Mechatronics, 2022, 27(5): 3570-3578. (SCI影响因子IF=6.4).

6. L. Wang, S. Ma* and Q. Han, Reweighted Dual Sparse Regularization and Convex Optimization for Bearing Fault Diagnosis[J] IEEE Transactions on Instrumentation and Measurement, vol. 70, pp. 1-9, 2021. (SCI影响因子IF=4.0)

7. Ma S, Chu F, Han Q. Deep residual learning with demodulated time-frequency features for fault diagnosis of planetary gearbox under nonstationary running conditions[J]. Mechanical Systems and Signal Processing, 2019, 127: 190-201. (SCI影响因子IF=5.0)

8. Ma S, Chu F. Ensemble deep learning-based fault diagnosis of rotor bearing systems[J]. Computers in Industry, 2019, 105: 143-152. (SCI影响因子IF=4.7)

9. Ma S, Li S M, Xiong Y P. Uncertainty reduced novelty detection approach applied to rotating machinery for condition monitoring[J]. Shock and Vibration, 2015, 2015. (SCI影响因子IF=1.8)

10. Ma S, Li S M, Xiong Y P. Uncertainty extraction based multi-fault diagnosis of rotating machinery[J]. Journal of Vibroengineering, 2016, 18(1). (SCI Indexed)

11. Ma S, Li S M, Liu H L, et al. Vibration source model estimation and state specificity perception of a rotor structure[J]. 2015. (SCI Indexed)

12. Han Q，Ma S, Chu F. Kernel density estimation model for wind speed probability distribution with applicability to wind energy assessment in China[J]. Renewable & Sustainable Energy Reviews, 2019. (SCI影响因子IF=10.5)

13. 马赛, 褚福磊. 风速时间序列模拟的模型有效性验证及代表性风场实例分析[J]. 振动与冲击(EI), 2019, 38(15):7.

14. 杨长远,马赛*,韩勤楷. 基于多核监督流形学习的旋转机械故障诊断[J]. 航空动力学报(EI)，2022

联系方式

邮箱：massana@163.com

欢迎具有数学，理论物理，力学，电子，信息，计算机，控制以及机械等学科背景的同学加入课题组^_~