教学工作
化工原理课程(中文/全英)
《化工原理》(Principles of Chemical Engineering) 是化学工程、环境工程、生物工程等化学相关专业的一门核心基础课程。本课程致力于系统阐述流体流动、传热及传质分离等核心单元操作的基本原理，并讲授相关的工程设计与计算方法。 为满足不同学生的学习需求，本课程平行开设全中文授课与全英文授课两种班型。课程注重理论知识与工程实践的紧密结合，旨在培养学生扎实的专业理论基础和分析与解决复杂工程问题的能力，为其后续专业课程学习及未来职业发展奠定坚实基础。
流体力学与传热 Fluid Mechanics and Heat Transfer
- 流体流动 Fluid Flow
- 流体输送机械 Fluid Transportation Machinery
- 非均相物系分离 Heterogeneous Separation
- 传热与换热设备 Heat Transfer and Heat Exchange Equipment
传质与分离工程 Mass Transfer and Separation Processes
- 蒸馏 Distillation
- 吸收 Gas Absorption
- 干燥 Drying
- 塔设备 Column equipment
生成式AI赋能化工原理教学
通过大语言模型辅助Python编程解决精馏等实际问题，实现过程可视化与高效计算，有效克服了概念抽象、计算繁琐及理论脱节等传统痛点，显著深化了学生对原理的理解。这一新范式不仅提升了学生的AI应用与编程能力，更致力于贯通理论学习、化工实验与课程设计，并引入机器学习驱动科研探索，从而构建教学、科研、应用深度融合的创新育人格局。
AI辅助教学的优势
- 个性化的学习体验
- 即时的反馈与解答
- 提高学生的参与度
- 增强复杂概念理解
AI工具应用场景
- 化工原理知识强化理解
- 单元操作过程计算分析
- 数据集产生与机器学习
- 化学工程课程设计辅助
机器学习赋能化工精馏教学
通过深度融合机器学习方法，革新传统精馏过程的教学模式，旨在培养学生数据驱动的认知能力与自主科研创新素养。该方法引导学生从被动知识接受者转变为主动探索者，要求其独立完成从构建符合研究需求的高质量数据集，到自主选择、训练、评估并对比多种机器学习模型的全过程。
核心技术
- 神经网络回归预测
- 随机森林特征重要性分析
- 支持向量机非线性建模
- 集成学习提升预测精度
应用场景
- 精馏塔分离效率预测
- 操作参数优化建议
- 能耗预测与节能分析
- 工艺设计的优化
课程团队
国家级线下一流课程
《化工原理》课程获评国家级线下一流课程
全国优秀教学团队
全国石油和化工行业优秀教学团队骨干教师
教学研究论文
代表性论文
基于3D打印技术的离心泵教学创新与实践探索
李致贤, 李奇峰, 刘伟峰. 化工高等教育, 2024, 41(05): 140-144
利用3D打印技术制作离心泵教具，提升学生对设备结构和工作原理的理解。
化工原理实验课程思政教学探索与实践
李致贤, 黄锦浩, 郑大锋. 广州化工, 2022, 50(21): 203-205
将课程思政元素融入化工原理实验教学，培养学生家国情怀和工程伦理意识。