教育经历

2009-2013 北京航空航天大学 电子信息工程 本科

2013-2016 北京航空航天大学 工业工程 硕士

2016-2019 北京航空航天大学 系统工程 博士

工作经历

2019-2022 北京航空航天大学航空科学及工程学院 卓越百人博士后

2022-2026 北京航空航天大学可靠性与系统工程学院 副研究员2026-至今 北京航空航天大学可靠性与系统工程学院 研究员

兼职情况：

亚太人工智能学会PHM专委会秘书长

中国航空学会可靠性工程分会青年委员

1.研究生课程：系统健康状态监测技术

入选国家级青年人才计划，主要研究方向为故障诊断、预测与健康管理，聚焦健康状态感知前沿方向探索与工程实际问题求解，开展基于深度学习、深度强化学习、智能体构建与协同等人工智能方法的健康状态评估、故障智能检测与诊断、剩余寿命预测等方向研究。同时工程实践技术研究方面，与航空、航天、船舶、轨道交通等领域单位合作，开展故障预测与健康管理系统设计与试验验证、分布式协同健康状态感知、工程化自主异常检测与伤损识别等方面研究。 主持并参与了多项国家级及省部级科研项目，研究成果发表在Expert Systems with Applications、Advanced Engineering Informatics、Aerospace Science and Technology、Applied Soft Computing Journal、Applied Energy等期刊，先后荣获中国航空学会优秀博士学位论文奖、省部级科技进步奖等多项奖励荣誉。相关研究成果详见：https://www.researchgate.net/profile/Yu-Ding-33。

招生信息：

（1）北京学院路校区、杭州市北航国际创新研究院招收博士生以及硕士生，招生背景专业包括：计算机科学与技术、人工智能、控制科学与技术、电子信息、安全科学与工程等；

（2）欢迎有志于开展前沿人工智能技术、智能体构建及协同、面向健康管理的决策支持与优化等方向研究的同学加入团队！

1.获奖情况

（1）中国航空学会优秀博士学位论文奖，2021

（2）教育部科技进步一等奖，3/12，2020

（3）省部级科技进步一等奖，7/10，2017

2.发明专利

（1）丁宇，马梁，王超，赵芹，程玉杰，吕琛，基于二项对抗表征学习的二值化故障特征自适应挖掘与诊断方法.专利号：ZL202211314880.0

（2）丁宇，马梁，马剑，王超，吕琛，程玉杰，一种旋转机械振动信号的稀疏约束生成对抗网络实现方法.专利号：ZL202011523716.1

（3）丁宇，赵芹，王欣，魏智兴，李淮，宁国澳，一种自适应半监督不平衡故障诊断方法及系统.专利号：ZL202610864510.6

（4）丁宇，赵芹，吴欣蔓，李天昊，马剑，吕琛，一种基于对比表示深度强化学习的不平衡样本故障诊断方法.专利号：ZL202310002398.1

（5）丁宇，王超，马剑，吕琛，一种锂电池长期退化趋势预测方法.专利号：ZL202011525324.9

3.代表性论文

（1）Ding Y, Ma L, Ma J, et al. Intelligent fault diagnosis for rotating machinery using deep Q-network based health state classification: A deep reinforcement learning approach[J]. Advanced Engineering Informatics, 2019, 42: 100977.

（2）Wang C, Ding Y, Yan N, et al. A novel Long-term degradation trends predicting method for Multi-Formulation Li-ion batteries based on deep reinforcement learning[J]. Advanced Engineering Informatics, 2022, 53: 101665.

（3）Ma L, Ding Y, Wang Z, et al. An interpretable data augmentation scheme for machine fault diagnosis based on a sparsity-constrained generative adversarial network[J]. Expert Systems with Applications, 2021, 182: 115234.

（4）Ding Y, Zhao Q, Li T, et al. A rail defect detection framework under class-imbalanced conditions based on improved you only look once network[J]. Engineering Applications of Artificial Intelligence, 2024, 138: 109351.

（5）Zhao Q, Ding Y, Gong M, et al. Semi-supervised contrastive fault diagnosis with uncertainty-aware and performance-guided adaptive thresholds under limited labeled and imbalanced data[J]. ISA transactions, 2025.