职称：副教授

工作部门：工学院机械工程系

办公地点：科技楼306-2

电子邮箱：shtpeng@stu.edu.cn

个人主页：https://shi-tong.github.io/

教育/工作经历：

2020.09 – 今 汕头大学 机械工程系 副教授

2015.09 – 2020.06 大连理工大学 机械制造及其自动化 工学博士 导师：张洪潮

2017.09 – 2019.08 Texas Tech University 博士联合培养 导师：George Z. Tan

2013.09 – 2015.07 大连理工大学 机械制造及其自动化 工学硕士 导师：张洪潮

2009.09 – 2013.07 武汉科技大学 机械工程及其自动化 工学学士

主要研究方向：

工业过程监控和故障诊断；制造装备节能减排；生命周期评价；机器学习/深度学习及其工业领域应用；

主要研究经历：

长期从事可持续制造、节能减排、过程监控与诊断相关的研究工作，发表SCI论文30余篇，发明专利3件，担任IJLCA、JMP、JCLP、ESPR、OLT、IEEE Transactions、机械工程学报等30余种国内外期刊的审稿人，《自动化与信息工程》、《智能制造》、Advanced Manufacturing等期刊青年编委。

科研项目：

[1] 国家自然科学基金青年项目（2023）：基于机理知识-快慢特征的定向能量沉积工艺能效监测方法研究（52305544），在研，主持；

[2] 广东省科技专项项目（2022）：数据与机理模型融合驱动的注塑成型过程能耗在线监控与异常溯源（STKJ202209065），在研，主持；

[3] 广东省科技专项项目（2021）：基于复杂网络理论的可持续再制造调度优化策略与方法（STKJ2021177），结题，主持；

[4] 企业委托项目（2022）：激光选区熔化质量闭环管理系统开发，结题，主持；

[5] 汕头大学校内项目（2021）：动态不确定条件下再制造系统生态效率多尺度评估与优化（NTF20019），在研，主持；

[6] 广东省本科高校教学质量与教学改革工程（2021）：学科赛事驱动下智能制造系统课程的“双创”理念融入机制与实践研究，结题，主持；

[7] 国家自然科学基金面上项目（2017）：不确定环境下再制造系统能效提升与生态友好机制研究（51775086），结题，参与；

[8] 国家重点基础研究发展计划（973计划）项目：机械装备再制造的基础科学问题（2011CB013400）结题，参与；

部分论文：

[1] Peng, S., Yang, S. Gao, B., Liu, W., Wang, F., Tang, Z. Prediction of 3D temperature field through single 2D temperature data based on transfer learning-based PINN model in laser-based directed energy deposition [J]. Journal of Manufacturing Processes, 2025, 138: 140-156.

[2] Yang, S., Li, H., Tang, Z., Liu, W., Wang, F., Peng, S.*. Data fusion and swin transformer architecture-based model for monitoring geometric morphology of blue laser directed energy deposited Al-Mg alloy [J]. Measurement, 2025, 248: 116992.

[3] Ding, Y., Zhang, Y., Huang, J., Peng, S.*. Incremental Pyraformer–Deep Canonical Correlation Analysis: A Novel Framework for Effective Fault Detection in Dynamic Nonlinear Processes [J]. Algorithms, 2025, 18 (3): 130.

[4] Xiao, H., Gao, B., Yu, S., Liu, B., Cao, S. Peng, S.*. Life cycle assessment of metal powder production: a Bayesian stochastic Kriging model-based autonomous estimation [J]. Autonomous Intelligent Systems, 2024, 4 (1): 1-14.

[5] Yang, S., Peng, S.*, Guo, J., Wang, F. A review on physics-informed machine learning for monitoring metal additive manufacturing process [J]. Advanced Manufacturing, 2024.

[6] Gao, B., Peng, S.*, et al. Integration of improved meta-heuristic and machine learning for optimizing energy efficiency in additive manufacturing process [J]. Energy, 2024, 306: 132518.