王润琼，男，博士，特聘副教授，硕士生导师，青岛科技大学高层次引进人才。

主要从事高性能智能加工技术相关研究，主持国家自然科学基金、山东省自然科学基金、教育部重点实验室开放基金等科研项目多项，近年来在J Manuf Syst、Robot Cim-int Manuf、Mech Syst Signal Pr、Int J Mech Sci等高水平SCI期刊发表论文20余篇，影响因子10.0以上论文6篇，授权发明专利10余项，获各类学术奖励多项。

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，青岛科技大学，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

课题组主要面向航空航天与工业母机等高端装备制造领域，开展状态监测、工艺调控、智能运维等研究，研究内容包括人工智能算法、信号与图像处理、精密制造工艺等：

[1]复杂薄壁件智能加工技术

[2]切削信号处理与深度学习

[3]航发叶片表面强化机理

[4]工业垂类大语言模型

代表性论文

[1]Runqiong Wang, Qinghua Song, Yezhen Peng, et al. Milling surface roughness monitoring using real-time tool wear data[J]. International Journal of Mechanical Sciences 2025;285:109821 (IF: 11.4,中科院1区Top期刊)

[2]Runqiong Wang, Qinghua Song, Yezhen Peng, 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: 12.3,中科院1区Top期刊)

[3]Runqiong Wang, Qinghua Song, Yezhen Peng, et al. A milling tool wear monitoring method with sensing generalization capability[J]. Journal of Manufacturing Systems 2023;68:25-41. (IF: 14.9,中科院1区Top期刊)

[4]Runqiong Wang, Qinghua Song, Yezhen Peng, 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: 10.2,中科院1区Top期刊)

[5]Runqiong Wang, Qinghua Song, Zhanqiang Liu, 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: 10.2,中科院1区Top期刊)

[6]Runqiong Wang, Lida Zhu, Chunxia Zhu. 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: 11.4,中科院1区Top期刊)

[7]Runqiong Wang, Qinghua Song, Zhanqiang Liu, et al. A Novel Unsupervised Machine Learning-Based Method for Chatter Detection in the Milling of Thin-Walled Parts[J]. Sensors 2021;21:5779. (IF: 4.0)

[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.

[10] Yezhen Peng, Qinghua Song,Runqiong Wang, et al. A tool wear condition monitoring method for non-specific sensing signals[J]. International Journal of Mechanical Sciences 2023:108769.

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, 202210366357.6.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, 202110179639.0.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, 201710029431.4.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.授权日期:2025-09-09

[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.授权日期:2026-03-10

[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.授权日期: 2026-09-01

[8]王润琼,付京航,杨化林等,基于动态知识图谱的薄壁件铣削表面质量调控方法及系统, 2026104475483.申请日期: 2026-04-07

[9]王润琼,付京航,张李嘉宁等,一种刀具磨损预测方法及系统, 202611207705X.申请日期: 2026-08-11

代表性项目

[1]国家自然科学基金青年基金：基于振动演化的薄壁件五轴铣削表面形貌鲁棒辨识理论与前馈调控方法，2027~2029，主持

[2]山东省自然科学基金青年基金：认知孪生驱动的整体叶盘跨域铣削状态自适应感知与调控方法研究，2026~2028，主持

[3]教育部重点实验室开放基金（一等资助）：薄壁件铣削多模态数据-机理知识协同机制及关键状态参数辨识控制研究，2026~2027，主持

[4]青岛科技大学高层次人才引进基金：难加工薄壁件高保真切削数字孪生构建及应用，2025~2029，主持

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

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

学术活动

[1]国际学术期刊《AI and Autonomous Systems》青年编委（Youth Editorial Board Member）

[2]《J Manuf Syst》、《Robot Cim-int Manuf》、《J Manuf Process》、《Mech Syst Signal Pr》等一区SCI期刊审稿人

[3]第十一届高速与复合加工国际会议(ICHSHM 2026)，特邀报告，湖南岳阳，2026.04.24

[4]第十八届切削与先进制造技术学术会议，口头报告，陕西西安，2025.07.31

课题组实验条件完善，设有学术成果专项奖励，优秀学生可推荐至国内外一流学术平台深造。热烈欢迎对算法设计、系统开发及智能加工方向感兴趣的同学报考研究生！