[12] 王硕. 高端装备磨损状态演变监测及数字孪生建模. 2025年中国机械工程学会工业大数据与智能系统分会学术年会暨第八届大数据驱动的智能制造学术会议, 宜昌, 中国, 2025. (分论坛报告)
[11] 王硕. 机械装备磨损状态演变监测及数字孪生建模. 第六届中国振动工程学会故障诊断专业委员会青年论坛, 马鞍山, 中国, 2025. (大会主题报告)
[10] 王硕. 机械装备磨损状态演变监测及数字孪生建模. 中国航空学会可靠性工程分会第十三届学术年会, 马鞍山, 中国, 2025. (特邀报告，召集“装备健康状态监测与智能运维分论坛”)
[9] 王硕，常亦是，张鹿宁，武通海. Mechanism-driven Model for Adaptive Wear State Diagnosis via Moving Particle Monitoring. 3rd World Congress on Condition Monitoring, 北京, 中国, 2024. (报告)
[8] 王硕. 重大装备关键部件摩擦学状态监测技术及应用. 2024年全国油液监测技术会议, 武汉, 中国, 2024. (报告)
[7] 王硕. 机械装备摩擦学状态监测与智能诊断系统. 创新港首届关键卡脖子技术转化研讨会, 西安, 中国, 2024. (报告)
[6] 王硕. 机械装备摩擦学状态全寿命监测技术及应用. 2024年全国青年摩擦学学术会议, 青岛, 中国, 2024. (报告)
[5] 王硕. 机械装备磨损状态智能感知技术. 2023中国工业设备智能运维大会, 石家庄, 中国, 2023. (报告)
[4] 王硕, 武通海*, 陈康, 刘京. 面向谐波减速器的磨损状态演变监测方法研究[C]. 2022全国设备监测诊断与维护学术会议, 太原, 中国, 2022. (报告)
[3] Shuo Wang, Tonghai Wu*, Kunpeng Wang. Automated 3D ferrograph image analysis for similar particle identification with the knowledge-embedded double-CNN model[C]. 23rd International Conference on Wear of Materials, Banff, Canada, 2021. (Poster)
[2] Shuo Wang, Tonghai Wu*, Tao Shao, Zhongxiao Peng. Integrated model of BP neural network and CNN algorithm for automatic wear debris classification[C]. 22nd International Conference on Wear of Materials, Miami, USA, 2019. (Oral)
[1] Shuo Wang, Tonghai Wu*, Lingfeng Yang. Three-dimensional feature extraction of wear particle based on multi-objects tracking and recognition[C]. 6st World Tribology Congress, Beijing, China, 2017. (Oral)