博士，教授，博士生导师，市领军人才，国际期刊Materials Science: Advanced Composite Materials编委，江西省、陕西省科技专家库专家，获陕西省科技成果二等奖1项、陕西省教育厅科技成果一等奖1项、中国商业联合会科学技术三等奖1项，盐城市海外人才创新创业大赛二等奖1项、中国电子信息行业创新创业大赛优秀奖1项。于2011年毕业于西安交通大学机械制造及自动化专业，2012年进入西安电子科技大学从事教学科研工作。国家自然科学基金委工材部同行评审专家, 中国振动工程学会故障诊断专业委员会理事，主要从事四足机器人技术、基于机器学习算法的损伤监测技术、机械系统损伤建模方法、嵌入式控制与智能检测、机器视觉与图像处理等方面的研究工作。国际知名期刊《Mathematical Problems in Engineering》《International journal of mechanical science》、《Shock and Vibration》、《Polymer composites》、《Science and Engineering of composite materials 》、《Applied Optics》、《Journal of Intelligent Material Systems and Structures》、《南京理工大学学报》、《西安电子科技大学学报》等三十余个期刊的审稿人。
近几年来主持国家自然科学基金项目4项（面上项目3项、青年项目1项），陕西省自然科学基础研究计划项目2项（重点、青年项目各1项），中央高校基本科研业务费4项，校企联合项目6项；参与了国家自然科学基金重点项目“关键设备故障预示与运行安全保障的新理论和新技术（编号:51035007，2011年1月-2014 年12月）”、国家高新技术研究发展计划（863计划）“基于材料R曲线的飞机机翼大梁裂纹扩展寿命预测技术研究(2009AA04Z406)”、教育部新世纪优秀人才“复合材料结构损伤定量诊断(NCET-08-0446)”)。在《Composites Part-B》《Composite Science and Technology》、《Composite Structures》、《Mechanical Systems and Signal processing》等中科院1区TOP期刊上发表SCI索引论文近100篇，单篇最高SCI引用36次，申请发明专利15项。相关理论、方法及成果得到了美国、英国、加拿大、意大利、澳大利亚、中国等国家著名学者的广泛引用和积极评价。其中，复合材料热残余应力与失效强度关系的研究工作被著名综述期刊Progress in Materials Science（五年影响因子IF:33.19）引用并正面评价。管路结构损伤诊断研究工作引起了美国NASA的高度重视，并被收录在NASA Astrophysics Data System数据库。研究成果应用于中航工业第一飞机设计研究院等多个国内重点科研单位，节约实验成本6550万元，产生了显著的社会和经济效益。
1. 四足机器人技术
四足机器人技术是国家智能装备领域的前沿研究方向，也是支撑国家战略需求的关键技术之一。在应急救援、国防安全、智能制造、智慧农业等领域，四足机器人能够突破传统轮式/履带式机器人的地形限制，在复杂环境中实现自主移动与作业能力。该研究方向通过模拟自然界四足生物的运动机理，深度融合机械设计、运动控制、强化学习、传感器融合等多学科知识，开发具备高适应性、强鲁棒性和智能决策能力的机器人系统。
机械设计：机械狗本体结构设计主要包含腿部设计、背载设计和主体设计，目前团队已完成多个版本的机械狗结构设计，最新的一版本结构设计如下。目前这款机械狗应用于电力巡检场景，配备了激光雷达、深度相机、云台等，并做了电磁防护、防水等设计，采用无线充电方案，适用于变电站巡检工作。
硬件系统：包括电源板、通信模块、主控核心板及底板等硬件电路的设计、加工、焊接、测试工作。
运动控制：本团队的控制技术研发路径从基于模型预测控制（MPC）与全身控制（WBC）的传统方法起步，逐步拓展至基于深度强化学习的智能控制领域。团队在运控算法的开发、调试与部署方面积累了丰富经验，具备扎实的理论基础与工程落地能力。
建图定位：围绕多传感器融合SLAM建图系统的设计与实现开展研究工作，完成了系统整体框架搭建、多源传感器数据接入以及融合建图算法的实现。以激光雷达为主要建图传感器，结合视觉与 IMU 信息进行联合优化，在ROS平台下实现了各模块的协同运行与稳定输出。
自主导航：本研究方向面向工业场景巡检等实际应用，研发基于激光雷达的四足机器人自主导航技术，提升机器人在无先验信息、非结构化环境中的行动自主性与可靠性。涉及环境感知、SLAM、动态路径规划与足式运动控制的深度集成，属于机器人学领域的前沿领域。
2. 嵌入式软件系统设计
基于RK3588S嵌入式边缘计算平台，结合嵌入式软件开发、人工智能(深度学习)、计算机视觉技术、流媒体技术，研究嵌入式边缘计算平台的目标检测模型部署、基于特定场景下的软件系统设计，以及流媒体服务器的移植与优化。该研究方向将人工智能技术、嵌入式技术、机器视觉技术、流媒体技术等多个学科理论交叉，在低成本的前提下，为目标设备就近提供边缘智能服务，不仅提高了数据处理的实时性，还保障了敏感场地隐私数据的安全。
3. 电力巡检：空地协同的视觉感知与智能诊断
在电力巡检领域，课题组致力于构建空地协同的智能化视觉感知体系，重点攻克复杂环境下输电线路与变电站设备的自主检测难题。研究基于改进深度学习架构的高效检测算法，旨在实现对绝缘子破损、线缆异物及塔材锈蚀等微小故障目标的精准识别，并结合语义分割技术对电力设施进行像素级的运行状态量化分析。针对户外巡检易受极端天气影响的痛点，课题组深入探索基于物理模型驱动的深度学习图像恢复技术，有效解决雨、雾、尘等因素造成的图像质量退化问题，从而提升巡检机器人在全天候环境下的鲁棒性与决策可靠性。
4. 移动通信系统电磁脉冲毁伤效应研究
面向4G/5G移动通信系统及关键通信基础设施，研究电磁脉冲（Electromagnetic Pulse，EMP）对基站射频前端、信号处理单元、同步链路与供电系统的耦合路径、敏感机理与失效模式，结合电磁仿真、注入试验与系统级评估，建立可量化“干扰源—耦合路径—敏感单元—防护措施”的系统化毁伤效应分析方法。该方向以电磁兼容（Electromagnetic Compatibility，EMC）为核心，将EMP引发的瞬态电磁干扰纳入EMC体系，进一步提出屏蔽接地、滤波抑制、接口防护等协同加固方案，在低成本前提下提升移动通信系统在强瞬态电磁环境中的抗扰度与安全可靠性。
西安市复杂网络模型 CST电磁脉冲仿真分析
5. 基于机器学习的损伤监测技术
机器学习算法（Machine Learning）作为人工智能的核心，是一门多领域交叉的学科，目的在于从大量的历史样本数据中挖掘其中隐含的规律。基于“逐本朔源、优势互补”的思想，利用集成在结构中的光纤传感网络实时地监测结构健康状态，结合先进的信号处理方法从茫茫的多源信号中“砂里淘金”，提取损伤特征。结合机器学习算法开展损伤识别与分类，开发基于LabVIEW的损伤监测系统，实现结构健康自诊断、自修复，保证结构的安全性和降低维修费用。
6. 空间服役环境多场耦合分析
航天器服役过程往往要经受真空环境、交变温度载荷、强电磁辐射等极端空间环境以及振动、冲击等严酷外部载荷的作用，可展开智能复合材料在力学行为上具有几何与材料非线性特征，在响应机理和工作环境上具有多场耦合的特点。此外，由于制备工艺的不完善，制备过程中智能复合材料内部会在一定程度上出现初始细观孔隙损伤。如何描述结构位移场、电磁场、温度场之间的耦合关系，探寻和发现多物理场耦合因素，需要研究多物理场耦合环境下智能复合材料的非线性本构关系。
7. 多尺度损伤分析方法
采用有限元方法求解裂纹奇异域的应力场时需要十分精细的网格和高阶单元，并且在裂纹发生扩展后需要重新划分网格，存在收敛速度慢、分析精度低等问题。在宏观尺度研究有限元、小波有限元、边界元建模方法，在细观尺度下建模高精度细观力学方法，针对风电叶片、飞机机翼、星载可展开结构等，探索服役环境下智能复合材料多模式细观损伤萌生、累积演化及失效机理，为损伤模式/位置识别提供科学依据。