姓名：李阳  职称：副教授

最高学历：工学博士  从事专业：无损检测与评价

社会兼职：

1. 中国机械工程学会无损检测分会应力测试大会——副主席；

2. 中国机械工程学会无损检测分会超声检测大会——委员；

3. 河南省机械工程学会无损检测分会——副理事；

4. 河南省机械工程学会无损检测标准化技术工作组委员会——副主任委员；

5. 河南省声学与无损检测计量技术委员会——委员；

6. 《焊接杂志社》青年编委会委员；

7. 全国大学生焊接创新大赛评委；

8. 无损检测、振动测试诊断、Material science and engineering A、Aplied Optics、Journal of Advanced Manufacturing Technology、Surface and Coatings Technology、NDE等国内外期刊审稿人

研究方向：

1. 应力检测，包括：残余应力X射线衍射法、超声临界折射纵波法、梯度残余应力的表面波检测、螺栓预紧力检测、焊接残余应力检测等。

2. 无损检测与评价，包括：水浸超声C扫描和超声显微镜设备开发、超声可视化技术、兰姆波技术的研究与应用、超声导波技术的研究与应用等。

代表性的科研项目（已主持10余项）：

1. 高铁车轴用DZ2钢硬度梯度的激光超声无损表征研究，河南省科技厅-科技攻关

2. 基于兰姆波技术的搭接焊缝抗拉强度的无损评价研究，国家自然科学基金

3. 兰姆波在搭接焊缝上的散射机理研究，河南省教育厅-河南省高等学校重点科研项目

4. 不锈钢车体焊接技术工程化应用研究-不锈钢激光焊缝无损检测技术工程化应用研究，中车青岛四方机车车辆股份有限公司

5. 非压接接续金具动态承载性能测试与评估，国网河南省电力公司电力科学研究院

代表性的论文（已发表50余篇）：

(1)Xu B, Zou Y, Sha G, et al. Sparse wavefield reconstruction based on Physics-Informed neural networks[J]. Ultrasonics, 2025: 107582.

(2)Li Y, Xu B, Zou Y, et al. Leveraging physics-informed neural networks for wavefield analysis in laser ultrasonic testing[J]. Nondestructive Testing and Evaluation, 2024: 1-23.

(3)Zou Y, Qian J, Wang X, et al. Machine learning-assisted prediction and interpretation of electrochemical corrosion behavior in high-entropy alloys[J]. Computational Materials Science, 2024, 244: 113259.

(4)Qian J, Li Y, Hou J, et al. Accelerating the development of Fe–Co–Ni–Cr system HEAs with high hardness by deep learning based on Bayesian optimization[J]. Journal of Materials Research, 2024, 39(15): 2115-2130.

(5)Zou Y, Qian X, Liu S, et al. Simultaneously improved mechanical properties and corrosion resistance of Mg-10.02 Li-5.69 Al-0.08 Er alloy by solutionizing treatments[J]. Journal of Alloys and Compounds, 2024, 1002: 175188.

(6)Zou Y, Shen R, Lian Y, et al. Enhancement of strength–ductility combination and corrosion resistance behaviour in (FeCoNiCr) 92Ti3. 5Al4. 5 high-entropy alloy[J]. Materials Science and Technology, 2024, 40(18): 1363-1376.

(7)Li Y, Zhu W, Zou Y. Nondestructive detection of laser-cladding coating interface defects: a deep learning-enhanced laser ultrasonics approach[J]. Nondestructive Testing and Evaluation, 2025, 40(3): 1016-1033.

(8)Zou Y, Qian X, Liu S, et al. Achieving high mechanical and corrosion resistance synergy properties of the Mg-11Li-6Al alloy through simple solutionizing treatments[J]. Vacuum, 2024, 221: 112953.

(9)Li Y, Lian Y, Jing F, et al. Improvement in the tribological behaviour of surface-nanocrystallised 304 stainless steel through supersonic fine particle bombardment[J]. Applied Surface Science, 2023, 627: 157334.

(10)Zou Y, Shen R, Lu Z, et al. Enhanced low‐cycle fatigue behavior LZ91 Mg–Li alloy with ultrasonic nanocrystal surface modification[J]. Fatigue & Fracture of Engineering Materials & Structures, 2023, 46(7): 2485-2495.