| 赵登峰 高级工程师 学位:工学博士 职称:高级工程师、硕士生导师 职位:车辆工程系主任 毕业院校:吉林大学 办公地点:机电工程学院西四楼206室 联系方式:zhaodf@zzuli.edu.cn |
个人简介
吉林大学工学博士,清华大学车辆工程专业博士后,河南省科技副总、郑州市学术技术带头人。现任郑州轻工业大学车辆工程系主任,机电工程学院学术委员 会委员,兼任中国汽车工程学会汽车测试技术分会委员、中国汽车工程学会振动噪声分会委员、河南汽车工程学会理事、河南省智能座舱关键技术工程研究中 心专家委员会主任委员、国家重点研发计划“新能源汽车”会评专家等。
|
研究方向
智能网联汽车设计理论与应用、驾驶行为分析与人机共驾控制、汽车NVH控制。 |
开设课程
本科生:《汽车试验学》,《汽车振动与噪声控制技术》,《车辆工程专业导论》 研究生:《汽车安全技术》 |
科研项目
1.少样本下电动客车分心驾驶安全风险多尺度辨识方法研究,河南省科技攻关项目 2.商用车数字座舱关键技术研究及产业化,河南省重点研发项目 3.基于人-车多源数据驱动的电动客车驾驶安全关键技术研究与应用,河南省重点研发项目 4.商用车智能电动底盘关键技术研发及应用,河南省重大科技专项项目 5.电动客车驾驶人因及安全改善方法研究,道路交通安全公安部重点实验室开放课题 6.纯电动汽车清障救援风险评估方法研究,运输车辆运行安全技术交通运输行业重点实验室开放课题 |
论文专著与专利
发表论文 1.A novel method for distracted driving behaviors recognition with hybrid CNN-BiLSTM-AM model. Complex & Intelligent Systems. 2.Distracted driving behavior recognition model for electric bus based on fusion of cross-layer multi-scale features and attention mechanism. International Journal of Automotive Technology. 3.Starting driving style recognition of electric city bus based on deep learning and CAN data. Transport. 4.Multi scale convolutional neural network combining BiLSTM and attention mechanism for bearing fault diagnosis under multiple working conditions. Scientific Reports. 5.State of charge estimation for electric bus batteries based on deep learning model with parameters fine-tuning method. Journal of Transportation Engineering, Part A: Systems. 6.A review for the driving behavior recognition methods based on vehicle multi sensor information. Journal of Advanced Transportation. 代表性专著 1.新能源汽车试验学,机械工业出版社,主编.. 代表性专利/软著 1.电动公交起步驾驶行为建模及识别训练方法,ZL202211090336.2. 2.基于数据驱动和非线性模型的汽车油箱剩余油量预测方法,ZL202211194188.9. 3.一种电动客车及其扭转减振装置,ZL202210052344.1. 4.一种电动汽车用加速踏板开度提醒装置,ZL202220823063.7. 5.一种驾驶员右脚跟位置监测装置,ZL202220789204.8. 6.基于驾驶图像数据驱动的驾驶行为识别系统V1.0,登记号:2025SR1634164. |
荣誉获奖
1.大客车结构安全关键技术研发与应用,河南省科学技术进步二等奖 2.客车底盘先进技术研究及产业化应用,河南省科学技术进步二等奖 3.客车操纵稳定性与节能关键技术研究及产业化,河南省科学技术进步二等奖 4.客车智能辅助驾驶系统关键技术研发及应用,中国商业联合会科学技术奖特等奖 5.高性能高可靠商用车关键技术研发与产业化应用,中国物流与采购联合会科技技术一等奖 6.客车高性能电液耦合转向系统关键技术研发及应用,河南省教育厅科技成果奖一等奖 |
其他
欢迎机械工程、车辆工程、自动化、人工智能、计算机、软件等专业的研究生进入课题组工作和学习。 |