刘井响，工学博士，副教授/硕士研究生导师
本人于1990年出生于江苏连云港，主要从事复杂过程数据分析、监测建模与故障诊断，复杂船舶物理系统数字化建模与数字孪生等研究。主持和参与国家自然科学基金青年项目、面上项目，国家重点研发计划项目，省部级自然科学基金项目等10余项，在高水平期刊与顶级会议上发表学术论文40余篇，授权国家发明专利4项，中国自动化学会和中国人工智能学会会员，并担任多个国际期刊审稿人。获大连海事大学“星海工程”高层次人才和大连市高层次人才奖励。
一、招生专业
控制科学与工程、电子信息(原控制工程)
二、研究方向
本团队长期从事机器学习/深度学习、复杂工业过程智能监测/故障诊断/软测量、复杂船舶物理系统数字化建模/数字孪生等研究。
本团队与台湾中原大学、大连理工大学保持长期合作，可获得大量复杂工业过程的真实现场数据，结晶过程和发酵过程的光谱与图像数据等可用于机器学习/深度学习的方法研究，复杂过程监测、故障诊断和软测量的模型研究与验证；团队还搭建了一套船舶动力调速系统实验平台可用于复杂系统数字化建模/数字孪生等研究与实验验证。相关研究成果已获得国内外专家高度认可，曾获得国际自动控制联合会(The International Federation of Automatic Control, IFAC)最佳论文奖，入围第31届中国过程控制会议张钟俊最佳论文奖。
三、教育经历
2014-09至2019-03, 大连理工大学, 控制科学与工程学院, 控制理论与控制工程
2012-09至2014-07, 大连理工大学, 数学科学学院, 运筹学与控制论
2008-09至2012-07, 青岛大学, 数学科学学院, 数学与应用数学
四、工作经历
2021-07至今 大连海事大学, 船舶电气工程学院, 副教授
2021-04至2021-06 大连海事大学, 船舶电气工程学院, 讲师
2019-04至2021-03, 大连海事大学, 船舶电气工程学院, 师资博士后
五、科研项目
1. 国家自然科学基金青年项目，基于多特征提取与迁移学习的多规格批次过程函数型软测量建模，2021.1-2023.12，主持.
2. 辽宁省自然科学基金博士启动项目，机理与函数型数据融合的多规格过程小样本快速监测建模，2024.7-2026.6，主持.
3. 大连理工大学工业装备智能控制与优化教育部重点实验室特别资助项目，基于红外光谱检测的批次结晶过程在线质量评估与智能优化，2021.7-2023.6，主持.
4. 中央高校基本科研业务费青年教师科技创新项目，基于张量特征分析的批次工业过程建模与应用，2022.01-2022.12，主持.
5. 中央高校基本科研业务费青年教师科技创新项目，基于子空间投影元学习的复杂多规格过程快速监测建模，2023.01-2023.12，主持.
6. 国家重点研发计划子课题：船舶物理子系统数字化技术体系研究，2023.04~2026.03，参与.
7. 国家自然科学基金面上项目, 无人驾驶船舶数据驱动自学习航行控制, 2021.1 -2024.12，参与.
8. 国家自然科学基金面上项目, 基于数据驱动的冷却结晶过程关键参数辨识与批次运行优化，2022.1 -2025.12，参与.
9. 国家自然科学基金面上项目，制药连续结晶过程机理适配建模与运行优化方法研究，2021.1 -2024.12，参与.
10. 轻工过程先进控制教育部重点实验室开放课题，时滞间歇过程的鲁棒抗扰迭代学习控制研究，2019.1-2020.12，参与.
六、代表性论文
(仅列5篇代表作，可参考https://www.researchgate.net/profile/Jingxiang-Liu-4)
1. Jingxiang Liu, W. Zhu, G. Mu, C.-I. Chen and J. Chen. A Concise Subspace Projection Based Meta-learning Method for Fast Modeling and Monitoring in Multi-grade Semiconductor Process, Computers & Industrial Engineering, 2024, 188, 109914. (IF=7.9, 中科院1区，Top期刊)
2. Jingxiang Liu, P.-H. Chen and J. Chen, Automatic Segmentation of Dynamic and Static Models Based on High Order Slow Feature Analysis for Multiphase Batch Monitoring. Expert Systems with Applications, 2024, 248, 123271. (IF=8.5, 中科院1区，Top期刊)
3. Jingxiang Liu, Guan-Yu Hou, Weiming Shao, Junghui Chen. A Supervised Functional Bayesian Inference Model with Transfer-Learning for Performance Enhancement of Monitoring Target Batches with Limited Data. Process Safety and Environmental Protection, 2023, 170, 670-684. (IF=7.8, 中科院1区，Top期刊)
4. Jingxiang Liu, Tao Liu, Guoqing Mu, Chao Shang. Just-in-time Learning based Functional Spectral Data Modelling for In-situ Measurement of Slurry Component Concentrations via Infrared Spectroscopy. IEEE Transactions on Instrumentation & Measurement, 2023, 72, 6004910. (IF=5.6，Top期刊)
5. Jingxiang Liu, Tao Liu, Junghui Chen, Hong Yue, Fangkun Zhang, Feiran Sun. Data-driven modeling of product crystal size distribution and optimal input design for batch cooling crystallization processes. Journal of Process Control, 2020, 96, 1-14. (荣获国际自动化联合会IFAC最佳论文奖并于2023年日本大阪IFAC大会进行颁奖，https://cbdq.dlmu.edu.cn/info/1084/4049.htm)
欢迎对数据科学与应用、人工智能等研究热点和前沿问题感兴趣的同学报考，
联系方式：jxliu@dlmu.edu.cn
办公地点：船电楼A409
