李丹，副教授、博士生导师，入选江苏省科协青年科技人才托举工程、江苏省“双创博士”。主要从事结构健康监测与损伤识别、声发射与超声无损检测、桥梁智能建造与运维等方向研究。主持国家自然科学基金面上项目、青年基金项目等课题10余项，在Automation in Construction、Engineering Structures、Mechanical Systems and Signal Processing、Structural Health Monitoring等国内外权威期刊发表学术论文30余篇（含ESI高被引2篇、热点论文2篇、期刊高被引论文1篇），出版英文专著1部，授权专利软著4项，参编省级标准1部。荣获Springer Theses Award 施普林格国际优秀博士论文奖、中国振动工程学会科学技术一等奖、中国公路学会科学技术二等奖、江苏省工程师学会科学技术一等奖等荣誉。

教育经历

• 2012.08 – 2017.01  新加坡国立大学，土木工程，博士

• 2009.09 – 2012.05  中南大学，土木工程（桥梁），硕士

• 2005.09 – 2009.06  中南大学，土木工程（桥梁），本科

工作经历

• 2022.08 – 至今       东南大学，土木工程学院，副教授

• 2017.02 – 2022.07  合肥工业大学，土木与水利工程学院，讲师、副教授

• 中国振动工程学会随机振动专业委员会委员

• 江苏省工程师学会风工程专委会委员

• 《Smart Construction》期刊青年编委

• 《交通科学与工程》期刊青年编委

• Mechanical Systems and Signal Processing、Structural Health Monitoring、Engineering Structures、Measurement、Applied Acoustics等国内外20余本学术期刊审稿人

• 桥梁工程（B0510151本科生课程）

• 结构试验与检测（MS005131硕士生课程）

• 高等桥梁结构分析理论（DB005114博士生课程）

• 国家自然科学基金面上项目，“基于声发射的桥梁高强螺栓群损伤精准识别及演化机理研究”，2024-2027，主持

• 国家自然科学基金青年基金项目，“基于声发射信号改进经验小波分析的钢桥面板疲劳裂纹定量监测方法研究”，2018-2020，主持

• 国家自然科学基金面上项目，“超高层建筑非平稳风效应的现场实测、阵风风洞试验及理论分析的综合研究”，2020-2023，参与

• 国家自然科学基金面上项目，“基于长期监测数据和贝叶斯推理的桥梁结构可靠性预后方法研究”，2019-2022，参与
  

• 国家自然科学基金面上项目，“基于响应传递比的桥梁结构应变模态参数识别方法研究”，2018-2021，参与
  

• 新加坡教育部基金项目，“Rail crack monitoring using smart sensors”，2014-2016，参与

学术专著

• D. Li (2018). Rail crack monitoring using acoustic emission technique (基于声发射的钢轨裂纹监测). Springer, ISBN: 978-981-10-8347-1.

代表性学术论文

• D. Li, Q.F. Chen, H. Wang*, P. Shen, Z.B. Li, W.Y. He (2024). Deep learning-based acoustic emission data clustering for crack evaluation of welded joints in field bridges. Automation in Construction, 165: 105540. (中科院1区TOP，JCR Q1，IF=10.3)

• D. Li, J.H. Nie, H. Wang*, W.X. Ren (2023). Loading condition monitoring of high-strength bolt connections based on physics-guided deep learning of acoustic emission data. Mechanical Systems and Signal Processing, 206: 110908. (中科院1区TOP，JCR Q1，IF=8.4，ESI高被引论文)

• D. Li, J.H. Nie, H. Wang*, J.B. Yan, C.X. Hu, P. Shen (2023). Damage location, quantification and characterization of steel-concrete composite beams using acoustic emission. Engineering Structures, 283: 115866. (中科院1区TOP，JCR Q1，IF=5.5，ESI高被引论文)

• D. Li, J.H. Nie, W.X. Ren*, W.H. Ng, G.H. Wang, Y. Wang (2022). A novel acoustic emission source location method for crack monitoring of orthotropic steel plates. Engineering Structures, 253: 113717. (中科院1区TOP，JCR Q1，IF=5.5)

• D. Li , Y. Wang, W.J. Yan, W.X. Ren* (2021). Acoustic emission wave classification for rail crack monitoring based on synchrosqueezed wavelet transform and multi-branch convolutional neural network. Structural Health Monitoring, 20(4): 1563-1582. (JCR Q1，IF=6.6，期刊Most Cited Articles)

• D. Li, Z.L. Liang, W.X. Ren*, D. Yang, S.D. Wang, S.L. Xiang (2021). Structural damage identification under non-stationary excitations through recurrence plot and multi-label convolution neural network. Measurement, 186: 110101. (JCR Q1，IF=5.6)

• D. Li*, K.S.C. Kuang, C.G. Koh (2018). Rail crack monitoring based on Tsallis synchrosqueezed wavelet entropy of acoustic emission signals: a field study. Structural Health Monitoring, 17(6): 1410-1424. (JCR Q1，IF=6.6)

学术会议报告

• D. Li, J.H. Nie, J.B. Yan, C.X. Hu, P. Shen (2022). Structural health monitoring of steel-concrete composite beams using acoustic emission. The 17th East Asia-Pacific Conference on Structural Engineering & Construction (EASEC17), Singapore.

• 李丹 (2020). 基于声发射信号改进经验小波分析的钢桥面板疲劳裂纹定量监测方法研究. 国家自然科学基金第三届土木工程青年论坛, 四川, 成都.

• D. Li, S.P. Xu, Y. Wang, W.X. Ren (2019). Acoustic emission feature extraction and classification for rail crack monitoring.The 12th International Workshop on Structural Health Monitoring (IWSHM 2019), Stanford, CA, USA.

• D. Li, W.X. Ren (2019). Deep learning-aided rail crack monitoring using acoustic emission. International Conference on Smart Infrastructure and Construction (ICSIC), Cambridge, UK.

• D. Li, K.S.C. Kuang, C.G. Koh (2018). Enhanced synchrosqueezed wavelet transform based acoustic emission feature quantification for rail crack monitoring. The 60th Meeting of the Acoustic Emission Working Group (AEWG-60), Charleston, CS, USA.