沈长青，轨道交通学院教授、院长助理，江苏南通人，1987年1月生，中国科学技术大学工学博士、香港城市大学哲学博士，新加坡国立大学访问学者，苏州大学首批“优秀青年学者”，姑苏领军人才（市级），江苏省双创博士，江苏省科协青年科技人才托举工程，江苏省“六大人才高峰”高层次人才，2021年破格晋升教授并获得博导资格，并于2021年被选聘为国家自然科学基金委员会流动业务主管。入围2024年度“终身影响力”全球前2%顶尖科学家榜单和2021年度、2022年度、2023年度、2024年度“年度影响力”全球前2%顶尖科学家榜单。
教学（Teaching）：
主讲本科课程《机械工程控制基础》、《测试技术》、《机械设计》和《专业外语》，研究生课程《机械故障诊断》、《载运工具智能运维》，共同主持《机械工程控制基础》全英文教学示范课程项目。
主持或参与江苏省高等教育教改研究课题1项、苏州大学高等教育教改研究课题1项，发表教学研究论文5篇，近年来，指导江苏省优秀毕业设计团队课题1项、江苏省优秀学术学位硕士学位论文1篇，苏州大学“莙政基金”优秀结题1项，江苏省大学生创新创业训练计划项目4项，苏州大学大学生课外学术基金重点项目3项、一般项目30余项，指导学生参加电子设计大赛、机器人大赛、蓝桥杯大赛等累计取得国家级奖励10余项（其中全国一等奖6项），省部级奖励20余项（其中一等奖3项），部分赛项刷新学校历史最好成绩。获得中国自动化学会颁发的中国机器人大赛优秀指导教师二等奖、苏州大学建设银行奖教金教书育人类二等奖、苏州大学优秀学生社团指导教师等荣誉。成功推荐项目组学生赴新加坡国立大学、美国亚利桑那大学、美国乔治梅森大学、香港城市大学、清华大学、中国科学技术大学、浙江大学、西安交通大学、哈尔滨工业大学、西北工业大学等国内外名校深造，曾获得苏州大学学生“我最喜爱的老师”提名。
科研（Research）：
研究方向为运载系统关键部件信号处理、状态监测与智能诊断，主持：国家自然科学基金面上项目2项，国家自然科学基金青年科学基金1项，国家重点实验室开放课题4项，中国博士后科学基金特别资助1项，中国博士后科学基金面上项目一等资助1项，江苏省自然科学基金青年项目1项，江苏省产学研合作项目1项，江苏省重点实验室开放课题1项，江苏省博士后科研资助1项，苏州市重点产业技术创新项目、前沿技术研究项目各1项。
在IEEE Transactions on Industrial Informatics、Mechanical Systems and Signal Processing、Reliability Engineering and System Safety、Journal of Sound and Vibration、机械工程学报、交通运输工程学报、航空学报（英文版）等权威期刊/会议上发表论文90余篇，论文总被引8800多次，先后有ESI高被引论文15篇，ESI热点论文3篇，1篇论文入选中国机械工程学会2022年优秀论文，入选2023年江苏省自然科学百篇优秀学术成果论文1篇，连续入选由斯坦福大学与Elsevier联合发布的2024年度“终身影响力”全球前2%顶尖科学家榜单和2021年度、2022年度、2023年度、2024年度“年度影响力”全球前2%顶尖科学家榜单，授权中国发明专利20多件、美国发明专利4件，转化2件。获得教育部自然科学二等奖、中国振动工程学会二等奖、中国交通运输协会二等奖、中国产学研合作创新成果二等奖等省部级自然科学、科技进步奖5项，苏州市自然科学优秀学术论文奖3项。
学术服务（Academic Service）：
担任中国振动工程学会故障诊断专业委员会委员、青年工作委员会副主任，江苏省仪器仪表学会状态监测与故障诊断仪器专委会秘书长，中国机械工程学会、仪器仪表学会高级会员，IEEE高级会员，中国自动化学会机器人竞赛工作委员会委员，担任《IEEE Sensors Journal》副主编、《IEEE Open Journal of Instrumentation and Measurement》副主编、《Measurement Science and Technology》编委，《交通运输工程学报》、《机电液工程学报》、《西南交通大学学报》、《华东交通大学学报》、《Journal of Dynamics, Monitoring and Diagnostics》、《机械工程学报（英文版）》青年编委，《机械工程学报》、《交通运输工程学报》、《IEEE Transactions on Instrumentation and Measurement》等期刊杰出/优秀审稿专家，多个国际会议分会主席，国家自然科学基金同行评议人，领域内50多本权威期刊评审人，浙江省科技厅/山东省科技厅/广东省科技厅/江苏省科技厅/江苏省工信厅/苏州市工业和信息化领域评审人。
成果转化（Transfer of Scientific & Technological Achievements）：
担任江苏省仪器仪表学会状态监测与故障诊断仪器专委会秘书长、江苏省高层次创新创业人才、江苏省企业创新岗特聘专家、浙江省科技厅/山东省科技厅/广东省科技厅/江苏省科技厅/江苏省工信厅/苏州市工业和信息化领域评审人、苏州市创新创业领军人才，积极推动学术界、企业界交流；致力于装备智能运维技术研发落地；已经完成企业委托研发项目多项，欢迎有装备智能诊断、运维需求的企业合作交流。
培养研究生去向：
博士生：
尤 伟，2021届，海信集团有限公司，高级算法专家
硕士生：
郭晓洁，2017届，全奖赴美国乔治梅森大学读博，博士毕业后先后任京东硅谷研究院的研究科学家、IBM沃森研究中心研究员
祁玉梅，2018届，苏州城市学院，讲师/教务
汤盛浩，2018届，追觅科技有限公司，算法工程师
谢佳琪，2020届，国家知识产权局专利局专利审查协作江苏中心
王 旭，2021届，科大讯飞（苏州）科技有限公司 算法与引擎研发工程师
雷 飘，2021届，六盘水师范学院，专职辅导员
夏 禹，2022届，沐曦集成电路(南京)有限公司，软件工程师
刘双劼，2022届，科大讯飞（上海）科技有限公司，AI研究算法工程师-智能语音方向
李 奇，2022届，清华大学，读博
田静，2023届，太仓海事局，公务员
李景德，2023届，西北工业大学，读博
陈博戬，2023届，浙江大学，读博
刘尧，2024届，北京经纬恒润科技有限公司(上海分公司)，算法工程师
王培棋，2024届，依兰县人民政府办公室，公务员
葛杭棋，2025届，比亚迪
何振忠，2025届，西安交通大学，读博
朱红艳，2025届，浙江育英职业技术学院，教师
课题组所有毕业生去向：http://mcd.suda.edu.cn/yjdw/list.htm#6
欢迎对我的研究感兴趣的推免、考研同学积极与我联系（附成绩单及简历、2026级博士招生进行中！）：
我的微信二维码（可以直接扫码加，没关系，说明来意即可！）：
ESI热点论文（先后3篇）：
[1] Shen, C. , Qi, Y. , J Wang, Cai, G. , & Zhu, Z. . (2018). An automatic and robust features learning method for rotating machinery fault diagnosis based on contractive autoencoder. Engineering Applications of Artificial Intelligence,76, 170-184.（智能诊断方向）
[2] X Wang, Shen C*, Xia M , et al. Multi-scale Deep Intra-class Transfer Learning for Bearing Fault Diagnosis[J]. Reliability Engineering & System Safety, 2020, 202, 107050.（智能诊断方向）
…………
ESI高被引论文（先后15篇）：
[4] Qi Y, Shen C*, Wang D, Shi J, Jiang X, Zhu Z. Stacked sparse autoencoder-based deep network for fault diagnosis of rotating machinery. IEEE Access. 2017;5:15066-15079.（智能诊断方向）
[5] Li Q, Shen C*, Chen L , et al. Knowledge mapping-based adversarial domain adaptation: A novel fault diagnosis method with high generalizability under variable working conditions[J]. Mechanical Systems and Signal Processing, 2021, 147:107095.（智能诊断方向）
[6] Jiang X, Shen C, Shi J, & Zhu Z. Initial center frequency-guided vmd for fault diagnosis of rotating machines. Journal of Sound and Vibration, 2018, 435, 36-55.（信号处理方向）
…………
中科院大类一区TOP期刊论文：
[1] Y. Xia, C. Shen*, D. Wang, Y. Shen, W. Huang, Z. Zhu, Moment Matching-based Intraclass Multisource Domain Adaptation Network for Bearing Fault Diagnosis[J]. Mechanical Systems and Signal Pprocessing, 2022, 168(April): 108697.
[2] L. Chen, Q. Li, C. Shen*, J. Zhu, D. Wang and M. Xia, Adversarial domain-invariant generalization: a generic domain-regressive framework for bearing fault diagnosis under unseen conditions, in IEEE Transactions on Industrial Informatics, 2022, vol. 18, no. 3, pp. 1790-1800.
[3] J. Zhu, N. Chen and C. Shen*, A New Multiple Source Domain Adaptation Fault Diagnosis Method Between Different Rotating Machines, in IEEE Transactions on Industrial Informatics, 2021, vol. 17, no. 7, pp. 4788-4797.
[4] J Zhu, Chen N, Shen C*. A new data-driven transferable remaining useful life prediction approach for bearing under different working conditions[J]. Mechanical Systems and Signal Processing, 2020, 139(May): 106602.1-106602.17.
[5] Li Q, Shen C*, Chen L , et al. Knowledge mapping-based adversarial domain adaptation: A novel fault diagnosis method with high generalizability under variable working conditions[J]. Mechanical Systems and Signal Processing, 2021, 147:107095.
[6] X Wang, Shen C*, Xia M , et al. Multi-scale Deep Intra-class Transfer Learning for Bearing Fault Diagnosis[J]. Reliability Engineering & System Safety, 2020, 202, 107050.
[7] J. Zhu, C. Shen*, et al. Cross-domain open set machinery fault diagnosis based on adversarial network with multiple auxiliary classifiers[J], IEEE Transactions on Industrial Informatics, 2021, accepted.
[8] X. Jiang, Q. Huang, Shen C*, et al. Synchronous chirp mode extraction: A promising tool for fault diagnosis of rolling element bearings under varying speed conditions[J], Chinese Journal of Aeronautics, https://doi.org/10.1016/j.cja.2020.12.002
[9] Chen B, Shen C*, et al. Continual learning fault diagnosis: a dual-branch adaptive aggregation residual network for fault diagnosis with machine increments[J], Chinese Journal of Aeronautics, 2022, accepted.
…………
中科院大类二区期刊论文：
30余篇。
其他信息，详见课题组主页：http://mcd.suda.edu.cn/