谢天明
TIANMING XIE · Ph.D.
深圳信息职业技术大学 人工智能学院 讲师
博士毕业于合肥工业大学管理科学与工程专业（国家"双一流"建设A类学科）
谢天明，现为深圳信息职业技术大学人工智能学院讲师。2015年考入合肥工业大学工商管理专业，2019年以推荐免试研究生资格进入合肥工业大学管理学院管理科学与工程专业（国家"双一流"建设A类学科）攻读硕士学位，次年通过直博方式，师从许启发教授开展博士阶段研究。
主要从事旋转装备智能故障检测与诊断相关研究，博士论文主题为《基于信息关联深度重构网络的关键设备健康评估方法研究》。2023年11月至2024年12月，以国家公派访学身份赴英国诺森比亚大学数学、物理学与电气工程学院交流学习，在 IEEE Fellow、AAIA Fellow、AIIA Fellow David Gao（Zhiwei Gao）教授指导下开展融合专家诊断经验的人工智能设备故障诊断研究。
截至目前，已在相关领域顶级期刊和国际会议上发表论文14篇，其中以第一作者发表期刊论文4篇、EI会议论文1篇，通讯作者发表论文1篇，另有合作论文6篇。相关研究成果被杨善林院士、Zidong Wang、张强、左志强、严如强、李彦夫、Kai-Uwe Schröder、Malka N. Halgamuge 等多位知名专家学者正面引用。入选2024年度中国科协青年人才托举工程博士生专项计划，荣获2025年度新时代育人省级质量工程项目优秀博士学位论文。
面向机泵、风机、 offshore 风机等关键旋转设备，基于时频域振动信号与深度学习（变分自编码器、循环网络、注意力机制等）开展故障检测、诊断与预诊研究，融合故障频率先验与专家诊断经验。
基于传感器指标数据的多时间序列故障检测，研究谱残差、对比学习、多尺度卷积循环网络等方法在强机理背景下的无监督/自适应异常检测问题。
围绕博士论文主题《基于信息关联深度重构网络的关键设备健康评估方法研究》，开展信息关联深度重构、剩余使用寿命（RUL）预测与设备健康管理系统研发。
面向工业物联网场景，研究联邦学习、事件触发机制下的分布式故障诊断，以及知识图谱、云边协同等技术在工业设备预测性维护中的应用。
面向人形机器人开展基于多模态感知（视觉、力觉、振动等多源信号融合）的故障识别与异常动作检测研究；依托多模态智能柔性装配校企联合研发中心，研究工业机器人在智能柔性装配场景中的状态监测、故障诊断与人机协作装配优化。
已在相关领域顶级期刊和国际会议上发表论文 14 篇：第一作者期刊论文 4 篇、EI 会议论文 1 篇、通讯作者论文 1 篇、合作论文 6 篇。研究成果被多位知名专家学者正面引用。
项目负责人（编号：QNXMC20250701091306009）。
深圳信息职业技术大学校企联合研发中心，负责人。
编号：72171070。参与项目研究内容的调研、制定与编写，辅助项目组成员模型代码的实现。
编号：202004a05020020。构建基于云平台、深度学习与经验知识结合的旋转机械设备监测、诊断与寿命预测一体化工业设备预测性维护系统，形成设备周期闭环管理系统。
开发智能算法平台标签工具（MATLAB GUI 可视化，纳入专家故障标记工具箱）；基于 Neo4j 开展工业运维知识图谱预研；开发机泵、鼓风机、引风机与轧机设备启停状态识别算法并成功部署于安徽容知日新运维平台；负责石化行业机泵等旋转设备故障识别算法预研。
中国科学技术协会，2024
省级质量工程项目，2025
国家留学基金委（CSC），2023 — 赴英国诺森比亚大学联合培养
合肥工业大学，2019 / 2020
近两年指导学生获奖
近两年指导学生获奖
近两年带领学生获得省级二等奖，指导学生完成建模、编程与论文写作全流程训练。
带领学生获得Honorable Mention（H 奖），培养学生的国际学术交流与英文论文写作能力。
欢迎对机器人、人工智能、编程或数据分析感兴趣的本科生联系交流。可以从基础任务逐步起步，再根据兴趣、基础和项目进展参与更深入的实践。我会根据每位同学的发展意向（读研升学或直接就业）制定不同的培养方案。
计划本科毕业后直接就业的同学，将以三年内开发一个实际的产品为目标（依托多模态智能柔性装配校企联合研发中心，机器人等方向），全程参与需求分析、方案设计、算法开发、软硬件联调与产品落地，积累企业最看重的完整项目工程经验。
有读研意愿的同学，将根据个人兴趣与能力进入课题组，参与真实科研课题（智能故障诊断、时序分析、机器人感知等），接受系统的科研方法训练，并指导科研、协助撰写学术论文，为推免、考研或留学申请积累扎实的科研成果。