个人简历

刘长青，博士，教授。2014年毕业于南京航空航天大学，获博士学位。2013年至2014年期间在加拿大西安大略大学（University of Western Ontario）进行博士联合培养，并于2015年至2016年期间在该校从事博士后研究工作。主要研究领域为航空航天复杂结构件数字化制造与智能制造。主持国家自然科学基金面上项目1项，主持“高档数控机床与基础制造装备”国家科技重大专项子课题2项，主持国家智能制造专项子课题1项，主持校教学改革项目3项。发表学术论文共30余篇，其中第一作者SCI收录学术论文14篇。出版国际SCI期刊Special Issue 2部。获国家发明专利授权20余项。江苏省优秀博士学位论文获得者。2015年获中国机械工业科学技术一等奖一项，个人排名第四。2016年获国家技术发明二等奖一项，个人排名第三。2019年获四川省科技进步一等奖一项，个人排名第五。指导学生参加全国“互联网+”大学生创新创业大赛获金奖3项。
获奖情况：
[1] 获2016年度国家技术发明二等奖一项，个人排名第三。
[2] 获2015年度中国机械工业科学技术一等奖一项，个人排名第四。
[3]获2019年度四川省科技进步一等奖一项，个人排名第五。
科研项目：
[1] 国家自然科学基金面上项目，监测数据驱动的大型结构件加工变形精确控制基础研究，2018.01-2021.12，主持。
[2] “高档数控机床与基础制造装备”国家科技重大专项，用于航空航天大型曲面薄壁件加工的蒙皮镜像铣床研究与应用，2017.01-2019.12，子课题负责人。
[3] “高档数控机床与基础制造装备”国家科技重大专项，国产五轴联动数控机床柔性生产线及生产单元飞机结构件应用示范基地，2015.01-2018.12，子课题负责人。
[4] 国家智能制造专项子课题，飞机大型复杂结构件数字化车间，2015.01-2017.12，主持，已结题。
教改项目：
[1] 南京航空航天大学研究生教育教学改革研究项目，构建智能制造国际联合实验室，培养智能制造创新性国际化人才，2018.01-2019.12，主持，已结题。
[2] 南京航空航天大学教改项目，校教师教学能力提升重点项目，本科生“科研助理”机制研究与实践，2016.11-2018.12，主持，已结题。
[3] 南京航空航天大学教改项目，“航空特色机械类课程群教学内容设计与实践”， 2015.5-2017.06，主持，已结题。

研究领域

"数字化制造与智能制造"

近期论文

[1] Changqing Liu, Yingguang Li, QiangWang, WenpingMou. A synchronous association approach of geometry, process and monitoring information for intelligent manufacturing[J]. Robotics and Computer-Integrated Manufacturing, 2019, 58: 120-129.（SCI收录）
[2] Changqing Liu, Yingguang Li, Guanyan Zhou, Weiming Shen. A Sensor Fusion and Support Vector Machine Based Approach for Recognition of Complex Machining Conditions[J]. Journal of Intelligent Manufacturing, 2018, 29(8):1739-1752.（SCI收录）
[3] Changqing Liu, Yingguang Li, Zhongyu Li. A machining feature definition approach by using two-times unsupervised clustering based on historical data for process knowledge reuse[J]. Journal of manufacturing systems, 2018, 49: 16-24. （SCI收录）
[4] Changqing Liu, Yingguang Li, James Gao. Special issue on digital enterprise technologies[J]. International Journal of Advanced Manufacturing Technology. 94(5-8), 2018. （SCI收录）
[5] Yingguang Li, Changqing Liu, Jiaqi Hua, James Gao, Paul Maropoulos. A novel method for accurately monitoring and predicting tool wear under varying cutting conditions based on meta-learning[J]. CIRP Annals-Manufacturing Technology, 2019, 68(1): 487-490.（SCI收录）
[6] Yingguang Li, Changqing Liu, Xiaozhong Hao, James Gao, Paul Maropoulos. Responsive fixture design using dynamic product inspection and monitoring technologies for the precision machining of large-scale aerospace parts. CIRP Annals - Manufacturing Technology, 2015, 64 (1): 173–176.（SCI收录）