根据ESI最近更新的数据显示，我院李宁副教授2020年1月发表在国际测量联合会主办期刊Measurement的论文“New entropy-based vibro-acoustic modulation method for metal fatigue crack detection: An exploratory study”成为ESI高被引论文，这是以机械工程学院为第一单位、机械工程学院教师为第一作者的首篇高被引论文。

该论文以金属疲劳裂纹为研究对象，提出了一种基于信息熵的非线性超声振动声调制新方法，用于疲劳裂纹监测。与传统的振动声调制方法相比，本研究用PZT换能器代替了传统的激振器，低频和高频激励信号均采用线性扫频正弦波，用光干涉表面轮廓仪测量裂纹宽度。而且，基于信号的多尺度排列熵建立了新的裂纹损伤参量。实验结果表明，新损伤参量与裂缝宽度呈一一对应关系，提出的新方法可以用于监测裂纹扩展过程，具有更好的鲁棒性和可操作性，对工程领域的疲劳裂纹在线监测具有指导意义。

Essential Science Indicators (ESI)是目前国际上通用的衡量科学研究绩效、跟踪科学发展趋势的基本分析评价工具。高被引论文是指按照同一年同一个ESI学科发表论文的被引频次排名位于全球前1%的论文，数据每两个月滚动更新一次。高被引论文数是衡量学校科研影响力的重要指标之一，它从文献角度反映了论文的影响力。该篇高被引论文是机械工程学院落实学校ESI学科提升计划的重要成果，也凸显了学院对学校ESI工程学科努力挺进全球排名1%的贡献。

该论文成果的发表，同时也是机械工程学院大力开展国际合作，鼓励教师境外访问交流提升自身科研水平的一个缩影。李宁副教授在休斯顿大学智能材料与结构实验室访学期间，结合机械结构疲劳断裂与智能材料传感技术，与外方学者开展多学科交叉的合作研究，拓宽了研究思路。该论文就是其访学研究成果之一。