[1]   某型号航空发动机试车振动故障判断技术研究  

 [2] 装备预研专项   ****试验数据数字化资源建设和分析技术研究   

 [3]  基于复合材料某飞行平台研发 

 [4]  迭代形态学的直升机传动系统故障识别研究

 [5]  176项目装配工装联合设计技术开发 

 [6]  基于扭振信号的行星齿轮传动故障诊断技术研究 

 [7]  直升机动力传动系统故障诊断技术研究 

 [8]  行星齿轮传动故障诊断技术研究（科技创新团队）

 [9]  东安某发动机封严环研制测试 

 [10]  基于声发射-振动信号融合的铣削过程监测系统研究 

研究方向：

1. 1、航空动力系统非线性动力学与故障诊断
   聚焦航空发动机转子非线性行为、直升机传动系统动力学特性，结合多物理场耦合建模与数据驱动方法，揭示复杂旋转机械的非线性振动机理及故障诊断算法（如非线性动力学分析、多源信号融合诊断）。

2. 2、旋转机械全生命周期状态监测与健康管理
   针对航空发动机、直升机传动系统和通用旋转机械，研发基于智能学习的退化预测、健康评估和状态监控技术。

国际期刊《Mechanical systems and signal processing》,《Measurement》，《Journal of Sound and Vibration》审稿人。

 学术论文：

    [1] Tingkai Gong, Yuan X, Ji B, et al. Mathematical Morphology-Based Fault Diagnosis for                      Rotating Machinery: A Review[J]. Processes, 2026, 14(4): 650. (SCI)

    [2]  Tingkai Gong,XiaohuiYuan, YanbinYuan, et al. Application of tentative variational mode decomposition in fault   feature detection of rolling element bearing[J]. Measurement, 2019, 135: 481-492. (SCI)

    [3]  Tingkai Gong, XiaohuiYuan, YanbinYuan et al. Application of optimized multiscale mathematical morphology   for gear fault diagnosis[J]. Measurement Science and Technology, 2017, 28(4): 045401. (SCI)

    [4]  Tingkai Gong, XiaohuiYuan, YanbinYuan et al. Fault detection for rolling element bearing based on repeated   single-scale morphology and simplified sensitive factor algorithm[J]. Measurement, 2018, 127: 348-355. (SCI)

    [5]  Tingkai Gong, XiaohuiYuan, YanbinYuanet al. Iterative asymmetric multiscale morphology and its application   to  fault detection for rolling element bearing[J]. Proceedings of the Institution of Mechanical Engineers, Part   C:  Journal of Mechanical Engineering Science, 2018, 232(2): 316-330. (SCI).

    [6]  Tingkai Gong, et al. Fault diagnosis for rolling element bearing using variational mode decomposition and l 1   trend filtering[J]. Journal of Risk and Reliability, 2019: 23-37. (SCI).

   [7]刘志强,龚廷恺,陈萍,等.多尺度形态滤波在行星轮轴承故障诊断的应用[J].振动与冲击,2023,45(4):286-295.

   [8] 张璇，龚廷恺。基于MOMEDA结合软阈值处理的行星轮轴承故障诊断. 振动与冲击,2026,42(10):103-

       111+187.

    [9]  龚廷恺. 最小熵反褶积的数学形态法在滚动轴承故障特征提取中的应用[J].中国机械工程,2016,27(18):2467-2471.

    [10]  龚廷恺. 基于扁平衰减三角形结构元素的滚动轴承故障诊断[J]. 失效分析与预防,2017,12(6):354-358. 

   [11]  龚廷恺. 基于改进 l_1 趋势滤波的滚动轴承故障诊断[J]. 南昌航空大学学报 (自然科学版), 2017,4:14-20. 

  [12]  龚廷恺. 基于声发射信号的高速铣削过程监测技术[J].航空制造技术,2009(7):80-83. 

 [13]  龚廷恺.刀具监控技术在金属切削过程中的应用[J]. 航空制造技术, 2009(13):98-104.

 [14] 刘世豪,王细洋,龚廷恺.基于深度迁移学习的齿轮故障诊断方法[J].机械传动:2023:1-9.

[15] 刘志强,龚廷恺.基于改进形态学的滚动轴承故障诊断研究[J].失效分析与预防,2022,17(06):362-367.

[16] 揭震国,王细洋,龚廷恺.基于分布适配层和软标签学习的齿轮故障诊断[J].机械传动,2022,46(05):160-166.

[17] 揭震国,王细洋,龚廷恺.基于深度学习与子域适配的齿轮故障诊断[J].中国机械工程,2021,32(22):2716-2723.