高速凸轮机构广泛应用于车辆、纺织和印刷等机械中，对其进行动力学问题研究是提高机械性能的基础和关键。采用有限元法对凸轮机构柔性构件进行离散化处理，结合模态综合技术和Kane方程建立刚柔耦合凸轮系统动力学模型，所得动力学方程是一个更具一般性的柔性梁类动力学方程，且该方程在模态坐标下更便于计算机求解运算。通过对系统模态分析和动力学方程求解来分析其动态性能，在了解系统动态性能的同时进行模态截断研究。对截取不同阶数的动力学模型进行仿真，分析模态截取阶数对计算精度和计算速度的影响。研究结果对判断实际应用中的高速凸轮系统是否需要进行动力学分析具有重要指导意义，也为该类机构的动力学建模和模态特性研究提供依据。

导波传播模式分析是钢轨长距离导波检测和振动噪声控制的基础。钢轨中的导波传播模式可以通过波数频率关系和对应的结构形变来有效识别。应用半解析有限元法(Semi-analytical finite element method，SAFE)，基于虚功原理构建导波在任意截面弹性波导中传播的控制方程，求解弹性波导中导波传播的频散曲线和结构形变。应用该方法求解0～8 kHz频率范围自由状态CHN60型钢轨中导波传播的波数频散关系和结构形变，并讨论8个基本传播模式的特点。采用模态力锤及多传 感器测量钢轨截面形变的模态分析试验方法得到钢轨横向和垂直振动模态导波的波数-频率系数，数值分析与试验结果相符合。

医疗机器人在过去几十年获得了飞速发展，根据医疗机器人的功能和用途将医疗机器人分为：神经外科机器人、骨科机器人、腹腔镜机器人、血管介入机器人、假肢外骨骼机器人、辅助康复机器人和胶囊机器人。分别对当前已经商用化的代表性的医疗机器人做了介绍，对其功能、主要技术指标、优缺点做出对比和描述。探讨医疗机器人当前主要的前沿研究问题，对医疗机器人关键技术和难点问题做出分析和讨论，对医疗机器人未来的发展方向和机遇做了展望。

钻杆是钻井过程中易受破坏的关键部件，在其服役过程中进行检测，对于减少钻具失效事故具有重要意义。针对钻杆在役检测的特点，提出一种新型外穿式交流电磁场检测方法，建立针对钻杆外表面轴向裂纹的外穿式交流电磁场检测有限元仿真模型，分析钻杆表面感应电磁场分布以及裂纹引起的电磁场畸变信号与裂纹尺寸关系，在此基础上提取裂纹识别特征信号，基于仿真模型分析激励线圈提离高度影响，设计开发井口钻杆外表面轴向裂纹在役检测系统，并进行试验测试，仿真和试验结果表明：外穿式交流电磁场检测探头所提取的钻杆轴向裂纹特征信号Bx和Bz分别反映裂纹深度和长度，具有定量识别能力；激励线圈提离高度可满足在役检测需要；外穿式交流电磁场检测系统利用周向阵列检测线圈可有效检测钻杆表面轴向裂纹。

柔性机构自20世纪80年代提出以来迅猛发展，已成为现代机构学一个重要分支。短短不足30年间，柔性机构设计理论的构建与发展，为柔性机构成功应用奠定了坚实基础。随着对柔性及柔性机构认识不断深入，柔性机构得到了广泛应用，不断涌现新的成功实例。继5年前综述了柔性机构设计方法研究进展之后，尝试从应用的视角鸟瞰一下柔性机构的最新进展。通过将柔性机构的主体应用划分为精密工程、仿生机器人、智能材料结构三大主阵地，概述柔性机构在每个阵地中的应用进展及研究热点情况，并对其发展做了展望。对四种最具发展潜力和应用前景的新型柔性机构(胞元式柔性机构、辅助接触式柔性机构、平面折展机构、柔性静平衡机构)进行简单描述。

为了提取机械设备被强背景噪声淹没的故障特征，采用一种具有通用意义的基于奇异值分解(Singular value decomposition, SVD)的子空间降噪算法对信号进行处理，即u-SVD降噪算法。传统的SVD降噪算法是u-SVD降噪算法中拉格朗日乘子 时的一种特殊情况。u-SVD降噪算法包含滤值因子，能够抑制以噪声贡献占主导的奇异值对降噪后信号的信息贡献量。u-SVD降噪算法涉及延迟时间、嵌入维数、降噪阶次、噪声功率和拉格朗日乘子等5个参数。讨论了u-SVD降噪算法的参数选择方法，并着重研究降噪阶次和拉格朗日乘子对降噪效果的影响。齿轮故障仿真信号和齿轮早期裂纹故障振动信号的试验结果表明，u-SVD降噪算法在降噪效果方面要优于传统的SVD降噪算法，可以在强背景噪声情况下更好地提取出齿轮的故障特征。

频谱泄漏和栅栏效应是影响衰减信号离散傅里叶变换精度的主要因素。为了提高多频衰减信号离散傅里叶变换频谱参数的校正精度，提出一种加窗两点矢量插值校正算法。对信号加M阶余弦窗并计算加窗后信号的离散傅里叶变换，利用真实频率附近的两根谱线的矢量比建立方程，通过求解方程获得频率偏移量和衰减因子，利用上述获得的两个参数计算出信号的频率、幅值和相位。余弦窗的最大旁瓣衰减特性能有效的降低频谱泄漏的影响，两点矢量频域插值可以消除栅栏效应，两者结合极大地提高了算法的参数校正精度。仿真和试验结果表明，算法具有较高的参数校正精度和稳定性，且计算效率较高，适用于实时处理及对计算资源要求苛刻的场合，为多频衰减信号的特征提取提供了一种可选的方法。

以热力学理论和有限元法为基础，建立装备-气囊系统有限元模型，并利用试验数据对模型进行验证。对比结果表明，所建模型系统的精度较高，可以用在下一步的仿真分析工作中。针对缓冲气囊的复杂非线性模型计算规模大、难以进行大规模计算的问题，以着陆初速度、初始侧倾角、初始俯仰角、横向速度和地面坡度为变量，分别以最大冲击加速度、最大侧倾角、最大俯仰角以及气囊最大内压为响应，结合扩展拉丁超立方设计，采用径向基函数构建多工况响应代理模型。考虑空投装备在着陆过程中环境因素以及空投装备着陆姿态的影响，利用蒙特卡罗法结合代理模型对多工况下的空投装备着陆成功概率进行计算。通过计算得到着陆成功概率为95.84%，冲击加速度为其主要影响因素，气囊内压为次要因素。

提出等几何分析(Isogeometric analysis, IGA)是一种新的物理场数值求解方法，它可实现CAE数值分析与CAD建模工具的集成，给出一条使设计、分析和优化紧密结合的新途径。以等几何分析方法的计算框架为基础，详细介绍等几何分析方法中样条几何模型的描述方式和建模方法；并以NURBS为例，阐述了IGA中的分析模型的参数化表示以及网格模型的细化方法；结合现有的经典有限元的分析过程，简单介绍IGA的离散方法、边界条件和积分方法；系统总结等几何分析在热、流体、接触和优化方面的应用，并给出了一个简单的二维问题的IGA求解实例。

提出一种以硅片传输机器人末端竖直方向上由手臂静变形引起的静偏移为约束、以刚性杆柔性关节系统固有频率为优化目标、以各手臂壁厚为优化参数的硅片传输机器人手臂结构优化设计方法。建立硅片传输机器人刚性杆柔性关节动力学模型，通过系统固有频率分析以及模态分析确定对轨迹精度影响较大的模态为一阶模态与二阶模态；通过分析结构参数对一阶与二阶固有频率影响的灵敏度以及权值选择小臂与末端手臂的质量作为优化参数；建立以手臂厚度为变量、以手臂结构尺寸为约束的手臂挠度模型与末端竖直方向静偏移模型，分析手臂厚度对末端竖直方向静偏移的影响规律并对末端手臂与小臂的厚度尺寸进行优化设计；对结构优化设计前后硅片传输机器人手臂的性能进行对比分析。结果表明：该方法在大幅度降低手臂质量的同时可显著提高硅片传输机器人手臂的一阶与二阶固有频率，大幅度降低了末端竖直方向上的静态偏移及内应力，大幅提高了系统竖直方向上的振动频率。

微纳米三坐标测量机(Coordinate measuring machining, CMM)是目前微纳米三维测量领域的一个研究热点，针对微纳米CMM中三维纳米测头的研究瓶颈，提出一种与现有机械接触式测头和光学非接触式测头工作原理完全不同的、可达到纳米/亚纳米量级触发分辨力的新型谐振测头。利用聚偏氟乙烯(Poly vinylidene fluoride, PVDF)薄膜的压电特性和其谐振参数对微小作用力的高敏感性，PVDF薄膜与一体式光纤微测杆测球相结合构建成了基于PVDF薄膜的三维纳米谐振触发测头。该测头在z向以轻敲模式接触，在x、y向以摩擦模式接触。经过试验验证，由该测头与三维纳米定位平台、数据处理及反馈控制系统相结合构建成的三维谐振纳米触发定位系统在x、y、z三个方向的触发分辨力都达到了亚纳米量级，分别为0.12 nm、0.10 nm、0.12 nm；三维重复性误差分别为26 nm、36 nm、10 nm。试验结果证实了新型三维谐振测头及其系统的有效性。

为应对化石能源危机和环境污染问题，新能源汽车技术的发展与应用引起广泛重视。新能源汽车具有高信息化的特点和智能网联化的发展趋势，在日常运行中会产生大量行驶数据信息。利用海量多源异构数据进行安全预警与监管、车辆技术分析，是推动我国新能源汽车行业发展的关键。综述了大数据分析技术在新能源汽车行业的应用情况，概述了大数据分析技术的基础理论、发展历程，介绍了新能源汽车国家监测与管理平台的架构和功能，并着重阐述了新能源汽车大数据分析过程。分别从动力电池数据、汽车运行数据和充电数据的角度出发，分析了现有的研究方向和研究方法，列举了部分研究成果和应用情况。最后，对当前新能源汽车大数据分析领域存在的问题和发展应用前景进行了总结和展望。

超精密加工是获得高形状精度、表面精度和表面完整性的必要手段。随着对产品质量和多样化的要求日益提高，对超精密加工提出更多、更高的要求。超精密加工技术已成为包含当代最新科技成果的一个复杂系统工程。介绍各种超精密加工技术的内涵、应用范围、国内外研究现状、发展过程与趋势以及未来应研究开发的重要科学技术问题。从加工精度、加工质量和加工效率角度对先进的具有代表性的超精密加工机床、超精密切削、超精密磨削和超精密抛光技术进行重点评述和比较。分析我国在超精密加工领域中存在的主要问题以及与国外先进技术的差距，对超精密加工的技术发展趋势进行预测，提出我国本领域基础研究、技术及产业发展策略与对策。

随着科学技术的发展和生产工艺的进步，当代设备日益朝着大型化、复杂化、自动化以及智能化方向发展。为保障设备安全性与可靠性，剩余寿命（Remaining useful life，RUL）预测技术受到了普遍关注，同时得到了广泛应用。传统的统计数据驱动方法受模型的选择影响明显，而机器学习具有强大的数据处理能力，并且无需确切的物理模型和专家先验知识，因而机器学习在剩余寿命预测领域表现出了广阔的应用前景。鉴于此，详细分析和阐述了基于机器学习的设备剩余寿命预测方法。根据机器学习模型结构的深度，将其分为基于浅层机器学习的方法和基于深度学习的方法。同时疏理了每类方法的发展分支与研究现状，并且总结了相应的优势和缺点，最后探讨了基于机器学习的剩余寿命预测方法的未来研究方向。

预测与健康管理对保障机械装备安全服役、提高生产效率、增加经济效益至关重要。高质量的全寿命周期数据是预测与健康管理领域的基础性资源，这些数据承载着反映装备服役性能完整退化过程与规律的关键信息。然而，由于数据获取成本高、存储与传输技术有待发展等原因，典型的全寿命周期数据极其匮乏，严重制约了机械装备预测与健康管理技术的理论研究与工程应用。为解决上述难题，西安交通大学机械工程学院雷亚国教授团队联合浙江长兴昇阳科技有限公司，选取工业场景中典型的关键部件——滚动轴承为试验对象，开展了历时两年的滚动轴承加速寿命试验，并将获取的试验数据——XJTU-SY滚动轴承加速寿命试验数据集面向全球学者公开发布。该数据集共包含3种工况下15个滚动轴承的全寿命周期振动信号，采样频率高、数据量大、失效类型丰富、记录信息详细，既可为预测与健康管理领域提供新鲜的"数据血液"，推动故障诊断与剩余寿命预测等领域的算法研究，又可助力工业界智能化运维的"落地生根"。

作为实现大批量定制生产、敏捷制造的重要一环，产品模块化设计通过对不同模块的组合实现了以有限资源生产出尽可能多的产品品种。这种设计方法已成为研究热点，并被认为是当前工程领域中最优设计的目标之一。然而，产品模块化设计的理论研究则落后于其实践应用，解决方案也多表现在概念阶段上。通过研究模块化设计相关文献，论述了模块化产品设计的有关概念、方法、关键技术及其应用实例；最后，提出了产品模块化设计的研究热点课题和发展趋势。

智能主轴兼具加工状态感知、决策与执行三大特征，可实现加工状态的自反馈与自控制，是智能制造的核心部件，是工业4.0和中国制造2025的基础支撑技术，是下一代主轴的技术发展方向。状态监测诊断与振动控制作为智能主轴三大功能特征的典型体现，是保障智能主轴高效运行的核心技术。因此，针对智能主轴的监测诊断与振动控制问题，以故障高发部件以及功能失效模式的监测、诊断与控制为线索，系统综述当前的国内外研究现状，归纳存在的问题并提出潜在的发展趋势。

仿生机器人是指依据仿生学原理，模仿生物结构、运动特性等设计的性能优越的机电系统，已逐渐在反恐防爆、太空探索、抢险救灾等不适合由人来承担任务的环境中凸显出良好的应用前景。按照工作环境可将仿生机器人分为陆面仿生机器人、空中仿生机器人以及水下仿生机器人三类。指出仿生机器人经历了原始探索、宏观仿形与运动仿生、机电系统与生物性能部分融合三个阶段，并概述三类仿生机器人国内外研究现状。分析发现当前研究还存在着生物运动机理研究不深，结构设计、材料应用、驱动及控制方式大多较为传统、能量利用率低等问题，导致了仿生机器人从宏观到微观与生物都存在较大差异，“形似而神不似”，远未达到实际应用程度。指出了仿生机器人正向着刚柔混合结构，仿生结构、材料、驱动一体化，神经元精细控制，高效的能量转换的类生命系统方向发展。

对BigDog四足机器人的核心技术进行分析，适应复杂地形是BigDog的设计主线。提高横、纵自由度联动能力是BigDog结构设计主要突破点。机体重心颠簸起伏、机体重心自扰动等不良运动特性是四足机器人控制难度大的主要原因。液压动力系统的构成和优点将被剖析，解决腿类移动装置的驱动问题是液压系统研发的根本目的。支撑腿打滑及俯仰和横滚角度是否过大作为监测机体运动安全状态的参数。惯导和关节编码器可检测机身与肢体的状态，借助压力传感器可还原落足点地形，三者合一可构建虚拟模型。借助虚拟模型可求算机体重心等关键控制处理中间参数，运动控制系统可实施粗略的动作预演及精确的运动学和动力学规划。规划模型与样机模型的偏差作为反馈值实施闭环控制。建立以三维激光扫描仪和双目视觉为主的导航系统，视觉地形还原功能可帮助LS3安全跨越岩石地形，软件系统将各种基本功能整合为有机的整体。机器人的自主性与智能性被讨论，利用BigDog/LS3与好奇号火星探测器作对比并加以分析。BigDog目前存在的几个主要问题：液压系统无法瞬时大幅增压、机械传动各种损伤、仿生设计的不彻底性。LS3机器人针对BigDog的不足，多个改进环节被分析。猎豹、野猫、Petman等机器人被简要分析。阿特拉斯双足机器人借助虚拟模型可实现机械臂碰撞保护功能，遭受外力撞击可迅速恢复平衡状态。

机械装备正在朝着高速、高精、高效方向发展，为了确保这些装备的健康运行，健康监测系统采集了海量数据来反映机械的健康状况，促使机械健康监测领域进入了“大数据”时代。机械大数据具有大容量、多样性与高速率的特点，研究和利用先进的理论与方法，从机械装备大数据中挖掘信息，高效、准确地识别装备的健康状况，成为机械装备健康监测领域面临的新问题。深度学习理论作为模式识别和机器学习领域最新的研究成果，以强大的建模和表征能力在图像和语音处理等领域的大数据处理方面取得了丰硕的成果。结合机械大数据的特点与深度学习的优势，提出了一种新的机械装备健康监测方法。该方法通过深度学习利用机械频域信号训练深度神经网络，其优势在于能够摆脱对大量信号处理技术与诊断经验的依赖，完成故障特征的自适应提取与健康状况的智能诊断，因此克服了传统智能诊断方法的两大缺陷：需要掌握大量的信号处理技术结合丰富的工程实践经验来提取故障特征；使用浅层模型难以表征大数据情况下信号与健康状况之间复杂的映射关系。试验结果表明，该方法实现了多种工况、大量样本下多级齿轮传动系统不同故障位置不同故障类型的故障特征自适应提取与健康状况准确识别。

随着复合材料在多个行业，尤其是航空航天领域的应用占比越来越高，对复合材料成型加工的低成本，高效率，自动化的需求也日益迫切。机器人或机器人化的设备在某些复合材料的加工成型方法中具有独特优势，可以实现更高的自动化水平，更低的生产成本，制造更复杂的零件。介绍了目前国内外在机器人复合材料加工领域的研究现状，讨论了未来机器人在复合材料加工的发展趋势。