香港理工大学土木及环境工程学系Dr. You Dong博士介绍及申请攻略

导师简介

如果你想申请香港理工大学土木及环境工程学系的博士，那今天这期文章解析可能对你有用！今天Mason学长为大家详细解析香港理工大学的Dr. You Dong的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！

导师作为香港理工大学土木及环境工程学系智能维护副教授,是当今土木工程领域的重要学者。导师在美国Lehigh大学获得了结构工程博士学位,师从Dan M. Frangopol教授,博士论文题目为"Risk, Resilience, and Sustainability-informed Assessment and Management of Aging Structural Systems"。此前,导师在中国湖南大学获得了桥梁工程学士学位,并以优异的成绩毕业。

研究领域

导师的主要研究兴趣包括:

• 基于物理的机器/深度学习在预测建模、分析和管理/优化方面的应用
• 数字孪生驱动的智能维护
• 网络物理系统的韧性和可持续性
• 考虑老化影响的结构全寿命管理和决策
• 考虑多种灾害和气候变化影响的设计和评估
• 结合物联网和数字孪生的低碳基础设施

导师在研究中注重将前沿技术如数据科学、机器人和机器学习应用于土木工程领域,致力于研发新一代工程系统。近期的研究应用涉及民用基础设施、能源系统(如风力发电机、电力系统)、交通网络、网络物理系统等。

研究分析

(1) Frangopol, D.M. and Dong, Y. (2023). "Risk-informed bridge adaptation under effects of climate change, hazards, and deterioration." Sustainable and Resilient Infrastructure. (Accepted)

• 研究内容: 在考虑气候变化、灾害和老化影响的情况下,提出了一种基于风险的桥梁适应性管理方法。通过概率预测和多目标优化,给出了兼顾安全性、韧性和可持续性的最优适应策略。
• 主要发现和贡献: 所提出的方法为在不确定性环境下制定科学合理的桥梁适应性管理策略提供了新思路,推动了将气候变化纳入土木工程设计和管理全过程的发展趋势。

(2) Dong, Y., Zhang, L., Min, J. and Peng, Y. (2022). "Deep learning-based prognosis using multi-source heterogeneous monitoring data for deteriorating engineering systems." Mechanical Systems and Signal Processing, 182: 109510.

• 研究内容: 提出了一种基于深度学习的方法,利用多源异构监测数据对退化工程系统进行预后分析。所开发的模型能够有效融合不同模态数据,挖掘退化特征,实现剩余使用寿命的精准预测。
• 主要发现和贡献: 探索了深度学习在处理复杂工程监测数据方面的优势,为实现工程系统的智能化健康管理奠定了基础。该研究成果对于提升关键基础设施的维护水平和服役质量具有重要意义。

(3) Dong, Y., Gao, Z., Zeng, W. and Frangopol, D.M. (2021). "Data-driven structural resilience assessment under earthquake scenarios: A digital twin and computer vision-based approach." Automation in Construction, 124: 103568.

• 研究内容: 基于数字孪生和计算机视觉技术,提出了一种数据驱动的结构地震韧性评估方法。利用图像处理和深度学习算法,实现了地震损伤的自动识别和定量分析,并借助数字孪生平台实现了结构抗震能力的动态评估。
• 主要发现和贡献: 研究开创性地将数字孪生和计算机视觉引入结构韧性研究,实现了地震灾害情景下的快速损伤评估和韧性分析,为基于数据的结构全寿命周期智能化管理提供了新范式。

(4) Zhang, J., Dong, Y. and Frangopol, D.M. (2020). "Digital twin-based bridge resilience assessment considering hazard-induced damage and various restoration strategies." Engineering Structures, 218: 110748.

• 研究内容: 研究了数字孪生技术在桥梁韧性评估中的应用。通过构建桥梁的高保真数字孪生模型,模拟分析了不同灾害情景下桥梁的损伤状态,并评估了不同修复策略对桥梁韧性恢复的影响。
• 主要发现和贡献: 研究证实了数字孪生在支撑桥梁韧性分析和灾后恢复决策中的重要价值,为今后进一步拓展数字孪生在土木工程领域的应用奠定了坚实基础。

(5) Dong, Y., Zhu, J. and Jin, R. (2019). "Real-time fatigue damage diagnosis of instrumented structures using multi-sensor data fusion and machine learning." Sensors, 19: 3967.

• 研究内容: 提出了一种基于多传感器数据融合和机器学习的实时结构疲劳损伤诊断方法。通过布设多种传感器实现了结构动态响应的全面监测,并采用机器学习算法对监测数据进行实时分析,实现了疲劳损伤的早期诊断和定位。
• 主要发现和贡献: 研究创新性地将数据融合和机器学习引入结构在线健康诊断,突破了传统方法的局限性,为实现结构服役性能的持续监控和及时维护提供了新手段。该成果对于提高结构使用安全性和延长服役寿命具有重要意义。

(6) Dong, Y., Frangopol, D.M. and Saydam, D. (2014). "Sustainability of highway bridge networks under seismic hazard." Journal of Earthquake Engineering, 18: 41-66.

• 研究内容: 研究了考虑地震灾害影响的公路桥梁网络可持续性评估与决策方法。通过概率地震危险性分析和桥梁脆弱性分析,评估了地震作用下桥梁网络的直接和间接损失,并以生命周期费用最小为目标,考虑了抗震加固等干预措施对桥梁网络长期性能的影响。
• 主要发现和贡献: 该研究在传统桥梁抗震研究的基础上,创新性地纳入了网络尺度效应和生命周期成本,为制定兼顾工程安全性和经济可持续性的减灾政策提供了科学依据。研究成果对于提升区域交通基础设施的抗灾韧性具有重要意义。

项目分析

(1) 主持香港研究资助局(RGC)优配研究金(GRF)项目"Physics-guided machine learning for structural health prognosis and maintenance optimization considering lifetime resilience and sustainability"(2021-2024)

该项目旨在发展基于物理的机器学习方法,实现工程结构退化机理和损伤演化过程的高保真建模,并据此优化结构全寿命期维护决策,以提升其长期韧性和可持续性能。项目综合运用了物理建模、数据驱动、多目标优化等技术手段,力求在复杂环境因素和不确定性影响下实现结构性能的精准预测和主动管控。

(2) 主持国家自然科学基金海外及港澳学者合作研究基金项目"数字孪生驱动的海洋工程结构全寿命智能运维关键技术研究"(2023-2025)

针对海洋环境下工程结构面临的复杂载荷工况和退化机理,研究开发面向全寿命周期的结构性能监测、评估与预测方法,搭建多物理场耦合的结构数字孪生模型,实现结构健康状态的实时感知与未来退化行为的预判预警,并优化维护加固方案,最终建立基于数字孪生的海工结构智能运维平台。

(3) 参与科技部国家重点研发计划项目"极端灾害下城市重大基础设施安全与防护"(2022-2026)

研究内容: 针对极端自然灾害(如强地震、强台风等)频发背景下国家重大工程的安全防护需求,开展城市重要基础设施(如超高层建筑、大跨桥梁、地下管廊等)的抗灾机理、脆弱性分析、多灾种联合作用、毁伤评估、加固与监测预警等关键技术攻关,研发相关工程防灾新材料、新结构、新设备,提升城市基础设施的整体安全性、韧性和防灾抗灾能力。

研究想法

(1) 面向极端事件的基础设施智能韧性管理

• 研究内容: 在导师已有多灾种风险分析基础上,进一步聚焦极端事件(如百年一遇的强震、强台风等)影响下的基础设施韧性。利用物联网、大数据等技术手段构建设施全时空尺度的性能监测网络,开发灾害作用下的结构多尺度损伤演化模型,研究基于多源异构数据的极端事件危险性识别与预警方法,提出兼顾工程、经济和社会影响的韧性评估与恢复优化模型,形成极端事件下的基础设施智能韧性管理方法体系。
• 创新点: 构建面向未来极端环境的监测、预警、决策一体化技术框架,发展应对"黑天鹅"事件的工程智能理论与方法,有望实现基础设施管理范式从"被动应对"向"主动防控"的转变。

(2) 复杂工况下新型工程结构的服役性能智能调控

• 研究内容: 针对深海、极地、高空等极端工况下新型工程结构的服役性能演化规律,开展环境-结构-材料多场耦合作用机理研究,发展结构全寿命性能演化的多尺度模拟仿真技术;在此基础上,集成智能感知、实时分析、动态评估、主动控制等功能,构建新型结构全寿命服役性能的数字孪生系统;进而探索工程结构的智能化设计、施工、运维新模式,实现服役性能的主动感知、智能调控和优化。
• 创新点: 立足新型工程结构的极端工况适应性需求,发展面向全寿命期的结构性能溯源、演化、调控的智能化理论与方法,推动传统工程设计、施工、运维向更加精细化、数字化、智能化方向升级。

(3) 面向碳中和目标的工程结构全寿命期碳排放智能管控

• 研究内容: 探索工程结构在设计、施工、运维、改造等各阶段的碳排放机理,建立全寿命期碳排放清单和评估模型;在大数据分析的基础上,刻画工程材料、结构形式、施工工艺、运维方案等因素对碳排放的影响规律;运用机器学习等智能优化技术,研究工程全过程、全要素、全方位的节能减排调控方法;开发基于物联网和区块链的碳排管理平台,实现工程领域碳数据的实时采集、动态分析和优化决策。
• 创新点: 针对"双碳"目标对工程结构的低碳化、循环化、集约化提出的新要求,发展智能化碳排管理理论与技术体系,助力工程行业绿色低碳转型和高质量可持续发展。

申请建议

(1) 夯实专业基础: 导师的研究涉及结构工程、风险分析、智能算法等多个方向,建议你加强这些领域的基础知识学习,尤其是高等数学、结构力学、概率论、优化理论、人工智能等。可以通过学习经典教材、文献综述、知名学者讲座等方式,全面掌握前沿理论动态。

(2) 积累科研经验:建议尽早参与科研项目训练,可以从课程项目、毕设论文选题等入手,针对性地开展力学实验、数值模拟、程序开发等研究工作。鼓励你以第一作者身份发表高质量期刊论文,积极参加国际学术会议,以提升科研能力和学术影响力。

(3) 了解导师研究: 要深入学习导师已发表的代表性论文,全面了解导师的研究兴趣、学术思路、技术方法等,找准切入点,提出有针对性的研究设想。建议你阅读导师主页、实验室网站等公开资料,关注其主持项目的研究背景和最新进展。

(4) 准备研究计划: 在全面调研和审慎分析的基础上,撰写一份高质量的RP。要紧扣导师研究方向,提出具有创新性、跨学科特色的研究命题,规划3-4个相对独立又逻辑衔接的研究任务。在研究内容和技术路线规划时,应广泛查阅文献,评估研究的必要性、可行性和前瞻性,并设计周密的时间进度表。