市政工程系

首页    师资队伍    专业师资    市政工程系    正文

王晓东个人简历

发布人:冷吉虎时间:2019年10月12日浏览:

姓名

王晓东

单位

环境与市政工程学院

职称

副教授/博士生导师

邮箱

wangxiaodong@qut.edu.cn

学术兼职

青岛市国际经济合作区科协委员

个人简介

教育经历:

本科:2006/09-2010/07,青岛理工大学,环境与市政工程学院;

硕士:2010/09-2013/01,青岛理工大学,环境与市政工程学院;

博士:2014/09-2018/08,挪威生命科学大学,科学技术学院。

工作经历:

2016/05 – 2018/09 挪威DOSCON公司,历任研发工程师、项目总监等职务,主要从事水处理智能控制技术装备研发、工程项目管理、等工作。

2018/09至今,青岛理工大学,主要从事教学科研工作,主要研究方向:污水处理与资源化、大数据与智慧水务。

课程教学

本科:《给水排水学术英语》、《给排水工程仪表与控制》;

研究生:《污水深度处理与回用技术》。

学术成果

代表性教学科研项目:

1. 污水生物处理过程虚拟监测模型和高级控制算法研究”,51908303,国家自然科学基金青年项目,2020.01 – 2022.1226万元,项目负责人。

2. Closing the Water Cycle Gap with Harmonised Actions for   Sustainable Management of Water Resources”, 欧盟H2020计划。

3. “污水中资源回收技术工艺研究(RECOVER)”,挪威研究理事会资助(项目批准号:247612),2100万挪威克朗,主要研究人员、主任工程师。

4. “基于监测、模拟与控制的污水处理厂与污水管网一体化优化研究”,挪威研究理事会资助(项目批准号:234974)590万挪威克朗,主要研究人员。

代表性论文:

1Wang, X., Kvaal, K., Ratnaweera, H., 2019. Explicit and interpretable   nonlinear soft sensor models for influent surveillance at a full-scale   wastewater treatment plant. Journal of Process Control. 77, 1-6.   https://doi.org/10.1016/j.jprocont.2019.03.005

2Wang, X., Bi, X., Hem, L.J., Ratnaweera, H., 2018.   Microbial community composition of a multi- stage moving bed biofilm reactor   and its interaction with kinetic model parameters estimation. Journal of   Environmental Management. 218, 340–347. doi:10.1016/j.jenvman.2018.04.015

3Wang, X., Bi, X., Liu, C., Ratnaweera, H., 2018.   Identifying critical components causing seasonal variation of activated   sludge settleability and developing early warning tool. Water Science and   Technology. 77, 16891697. doi:10.2166/wst.2018.053

4Wang, X., Kvaal, K., Ratnaweera, H., 2017. Characterization of   influent wastewater with periodic variation and snow melting effect in cold   climate area. Computers & Chemical Engineering. 106, 202211.   doi:10.1016/j.compchemeng.2017.06.009

5Wang, X., Ratnaweera, H., Holm, J.A., Olsbu, V., 2017. Statistical monitoring   and dynamic simulation of a wastewater treatment plant: A combined approach   to achieve model predictive control. Journal of Environmental Management.   193, 1–7. doi:10.1016/j.jenvman.2017.01.079