仿人多指灵巧手是机器人实现精细化抓取与柔性操作的关键执行机构，其发展对推动制造业自动化、服务机器人智能化及特殊环境作业应用具有重要意义。以仿人多指灵巧手为核心，系统综述其技术现状与未来发展趋势。首先，阐述仿人多指灵巧手的基本内涵、系统构成与典型特征；然后，梳理国内外科研团队的研究成果和目前市场主流的多指灵巧手产品，涵盖不同自由度设计及其软硬件实现方式；接着，介绍仿人多指灵巧手的核心硬件部件、感知融合、控制策略等关键技术；进而，阐述仿人多指灵巧手在工业装配、生活服务、极端环境等领域的应用情况，并介绍当前在可靠性、多模态协同、泛化性、人机安全和集成与应用等方面面临的难点与挑战；最后，从标准建立、本体结构、多模态感知融合、仿生演进、具身智能等方面展望仿人多指灵巧手的未来发展趋势，以期为灵巧手的深入研究与应用突破提供参考。
针对滚动轴承在复杂工况下易发生故障，以及传统诊断方法实时性较差、对人工特征提取依赖性较强的问题，提出了一种基于MSCNN-LSTM深度学习网络的轴承故障诊断方法，并开发了相应的智能轴承健康管理系统。该系统采用端到端的故障诊断流程，直接利用时域振动信号作为输入，通过多尺度卷积神经网络（Multi-Scale Convolutional Neural Network， MSCNN）自动提取不同频域层次的局部特征，结合长短期记忆网络（LSTM）建模故障特征的时间演化规律，实现高精度的自动化故障诊断。为增强诊断结果的可解释性与决策支持能力，系统引入讯飞星火大模型，生成智能诊断报告与维护建议。系统部署于国产飞腾四核处理器平台，保障软硬件的自主可控性与工业应用的稳定性。实验结果表明，所提系统在西储大学轴承数据集上的平均分类准确率达到98.46%，在AITHE轴承故障数据集上的准确率为96.73%，验证了其在复杂工况下的鲁棒性与跨数据集泛化能力。通过人机交互界面（HMI）实时展示故障诊断结果与维护建议，该系统为设备健康管理与预测性维护提供了可靠的智能化解决方案。
为保障电力传输系统的安全稳定，实现对新建电力铁塔的全方位验收维护，面向铁塔现有供维护人员攀爬的脚钉，提出了一种中心对称的四支链类人攀爬机器人，每个支链按3-1-2方式配置6个自由度，支链末端针对现有脚钉设计了大容差半封闭式勾型夹持工具，该工具容差大，无需机器人精确末端定位，可快速实现脚钉勾挂。开展了机器人类人攀爬步态规划设计，通过勾型夹持工具对铁塔脚钉的快速勾挂夹持实现电力铁塔的全域攀爬。以40 m高的自立式输电铁塔为攀爬对象，完成机器人全域攀爬动力学建模仿真，仿真结果表明该构型的攀爬机器人可实现铁塔的类人全域攀爬，从塔底到顶攀爬时长小于30分钟，达到维护人员攀爬效率，为输电铁塔机器人维护应用提供了可行性方案。
针对船舶装配领域知识体系零散及海量工艺数据无法有效挖掘和利用的问题，提出基于大模型的面向船舶领域知识图谱自动构建技术。该方法采用大语言模型将非结构和半结构化的船舶数据转化为结构化数据，构建船舶工艺语料库；基于大语言模型辅助建模船舶本体知识结构，设计船舶装配领域指令提示框架，实现高效的实体关系抽取，完成知识图谱的自动化构建。此外，将通用大语言模型指令提示构建的三元组集作为微调训练集，进一步微调专用小型语言模型，在降低计算资源的同时保证特定隐私船舶数据安全。实验结果表明，该方法在准确率等关键指标上均优于传统基线模型，为船舶制造领域的知识管理和智能化升级提供新的技术路径。
工业巡检机器人作为智能制造与智能运维体系的重要组成部分，正在各类复杂工业场景中发挥关键作用。随着深度学习、多传感器融合以及自主导航等技术的不断进步，工业巡检机器人在精准度、效率和适应性方面有了显著提升。系统梳理了工业巡检机器人的概念、关键技术及典型应用，重点分析了感知识别、自主定位导航、先进控制和智能决策等核心技术的研究现状，并结合电力、车间和特殊环境等领域的实际应用，评估了当前技术的成熟度与产业化进展。尽管该领域已取得显著成果，感知精度、动态环境适应性及任务执行智能化仍面临挑战，对关键技术发展进行展望，即工业巡检机器人将继续朝向多源数据融合、自主学习与协同作业等方向发展。文章旨在为工业巡检机器人技术的进一步研究与产业发展提供系统的参考与未来发展方向的指引。
针对无人机视角下复杂场景中存在的检测精度低、速度慢、漏检误检及模型参数量大等问题，提出改进的RBGE-YOLO算法模型。首先，在骨干网络中引入RFAConv替代原有Conv，增强图像特征提取与融合能力；其次，采用BiFPN-GLSA重构颈部网络，提升特征融合与空间特征利用效率；再次，设计双层小目标检测结构，强化小目标特征信息；最后，利用Inner-EIoU损失函数解决IoU的局限性问题。在VisDrone2019数据集上的实验表明，RBGE-YOLO的精确率（Precision）、召回率（Recall）、mAP@0.5和mAP@0.5：0.95分别较原始YOLOv8s提升了4.7%、2%、3.6%和2.5%，参数量减少16.4%，在实现模型轻量化的同时显著提升了检测性能。
近年来，我国自主研发的航空专用三维结构设计系统正在蓬勃发展，在核心组件的研发中取得了显著成效。然而，随着大语言模型（LLMs）的广泛使用，如何实现三维结构设计与智能手段的交联接口仍是一项核心挑战。此外，现有LLM因缺乏对三维几何与物理场（如空气动力学）的精确推理能力，难以直接应用于航空器结构的智能化设计。在航空结构件中，飞行器机翼作为产生升力的核心部件，其设计过程高度复杂、依赖专家经验，且与气动性能紧密耦合，传统设计范式迭代周期长、成本高昂。为应对这一挑战，以飞行器机翼为典型案例，提出了面向飞行器三维机翼建模的智能设计接口——Airfoil-LLM。该接口基于Transformer架构，通过集成自然语言编码与CAD建模序列解码，将复杂自然语言描述的设计需求作为输入生成结构化的CAD建模指令，实现机翼结构件的智能化、自动化生成。为支撑模型训练与验证，构建了包含参数化的三维CAD模型、覆盖亚音速至超音速的宽域飞行工况、关键气动性能指标以及多层次文本的大规模三维机翼设计数据集。实验结果表明，Airfoil-LLM能够深刻理解从简单几何到复杂“几何-性能”耦合的文本描述，并生成在几何形态（IoU最高达0.831）与气动性能上均与目标高度一致的三维模型。
针对自动化立体仓库传统人工目视化盘点效率低下、现有自动化方案部署成本高的问题。提出一种基于模块化视觉装置的库内盘点系统。设计了免改造式堆垛机可叉取的模块化视觉盘点装置，基于YOLOv8的单视角多表面信息融合的视觉盘点算法，通过前垛面层数识别与上垛面顶层计数相结合，有效解决了非满垛、压缝垛等复杂垛型的精确计数问题；构建了仓储视觉盘点系统WVSS与既有仓储控制系统WCS基于数据库的非侵入式集成架构，实现了盘点任务调度与数据闭环。实验表明在四类箱垛物料数据集上，系统数量识别准确率达96.3%，单货位处理耗时0.11 s。本方案为自动化仓储提供了一种兼具高精度、低部署成本和运行中断少的工程化盘点新路径。
随着工业4.0的推进，在边缘设备上部署高智能、低成本的机器人系统已成为关键需求。然而，深度强化学习（RL）算法因其高计算复杂度，在树莓派等资源受限平台上部署面临巨大挑战。为解决此问题，提出一种面向工业机器人分拣作业的轻量化强化学习框架。提出一种梯度敏感度引导的结构化剪枝（GS-Pruning）与分层量化联合压缩方法，在保证策略精度的前提下，将模型体积压缩超过90%，并在树莓派上实现低于35 ms的实时推理；设计了一种动态权重自适应奖励函数（DWAR），该函数融合了分拣效率、运动稳定性与系统能耗三大目标，通过动态调整权重，有效抑制了机械臂在高速作业中的抖动，并降低了18.1%的平均能耗；构建了一套名为RPi-EdgeRL的端到端轻量级部署系统，通过多线程流水线及安全看门狗机制，确保了分拣任务在边缘设备上稳定、高效地自主运行。在FR3协作机器人平台上的实验结果表明，提出的框架实现了93.5%的复杂工件分拣成功率，验证了该低成本、高效率方案在真实工业场景中的可行性与优越性。
基于人机耦合建模和生物力学分析，设计了一种5自由度旋转关节和3自由度滑动调节的肩肘康复辅具，通过运动捕捉实验获得个性化缩放肌骨模型以及上肢康复动作逆运动学复现，采用Hill型肌肉模型和CMC肌肉控制算法，分析上肢康复训练中肌肉力以及能量变化。结果显示在康复辅具助力下，上肢康复训练过程中核心动力肌群肱二头肌、肱三头肌的平均肌肉力降幅最大，肱二头肌长头为51.34%，肱三头肌外侧头为49.05%，而且肱二头肌长、短头平均能量消耗分别减少30.74%和36.56%，峰值降幅超40%，表现出辅具对肘关节运动时的持续减载效果。次要肌群如三角肌后束、肱三头肌内侧头维持10%左右的轻度减载，平衡了减载需求和关节稳定性，规避过度干预风险。分析结果表明，康复辅具能明显减轻进行康复动作时的肌肉负担和能量消耗，降低了肌肉超负荷风险，能够有效辅助患者进行康复训练。
为解决工业生产环境下钢材表面缺陷检测技术存在的效果不理想、漏检误检率高的问题，提出了一种改进的YOLO11n算法GCI-YOLO11。首先，在特征提取部分基于GCNet注意力机制设计了GC-C3k2模块，提升了算法对图像上下文特征信息的提取能力；其次，在颈部引入CARAFE上采样算子，使算法能在大感受野内聚合上下文信息，减少上采样过程中特征信息的缺失；最后，采用Inner-CIoU替换CIoU对损失函数进行优化，引入辅助回归框来提高检测的准确性和泛化能力。实验结果表明，GCI-YOLO11在NEU-DET数据集上mAP50和mAP50-95分别提升了2.9%和2.3%，在GC10-DET数据集上mAP50和mAP50-95分别提升了1.6%和0.3%，具有更好的检测性能。
为降低运行人员在深度调峰过程中的监盘与操作压力，针对脱硫系统因测量精度及被控对象惯性、延迟大等原因无法长期、稳定投入自动的问题，提出了一种智能脱硫控制系统。利用BP神经网络，构建出烟气流量、原烟气SO2浓度等信号与浆液pH之间的映射关系，实现浆液pH值软测量；用变结构预测控制替换常规PID并配合更加精确、合理的前馈信号，保证脱硫系统在负荷、煤质快速变化工况下的控制效果。最后利用机组ICS系统的计算能力，将智能脱硫控制系统成功应用于某650 MW机组，运行结果表明：系统投运后出口SO2浓度稳定控制在25 mg/m3以内，浆液pH值与设定值偏差保持在0.2以内，在变负荷和pH计冲洗过程中未发生大幅波动，脱硫自动长期投入，切实降低了运行人员的操作压力。
工业机器人凭借高灵活性、大工作范围的优势，已逐步成为我国航空航天、航海等国家战略领域中，大型复杂构件加工的关键装备。机器人末端的动态特性好坏由其各关节主导，想要提高机器人的动态性能需要从其薄弱的关节入手，在现有串联形式基础上加以改进和创新，探索具有高刚度特性的新型驱动方式和机器人构型。提出一种面向大型螺旋桨铣削加工的2-RPR型机器人，该机器人由六轴机器人主体与双电动缸支链组成，以电动缸的平动驱动机器人关节的转动，从而提高机器人整机的刚度。为了满足大型螺旋桨加工空间要求，基于遗传算法对机器人各连杆长度参数进行优化，实现机器人整机工作空间的优化，使工作空间满足单叶片加工范围且利用率最大。
针对电动汽车充换电站在实际运营过程中面临服务效率低下、经济效益不佳及电网互动能力薄弱等多重挑战，提出一种基于分层深度强化学习的V2G协同调度模型，该模型通过战略层与战术层的协同架构有效降低了复杂环境下的决策难度，显著提升了系统的响应能力。实证研究表明，该模型在实际充换电站环境中展现出良好的应用价值，主要体现在运营收益的合理增长、能源利用效率的优化平衡、服务质量的显著改善以及用户等候时间的有效缩减。与传统调度方法相比，本研究采用的SAC算法在面对复杂决策环境时表现出更强的适应性和稳定性，能够有效应对车流量波动和电价变化等不确定因素。研究成果为电动汽车充换电站提供了一套可落地实施的智能化调度解决方案，针对行业实际运营问题提供了有价值的技术参考。
面向国家提升产业链供应链韧性与安全水平的重大战略需求，聚焦数字孪生技术作为推动仓储物流系统数智化转型的关键使能技术，系统阐述了其从静态建模、动态同步到智能决策的三阶段演进脉络。针对传统仓储物流系统存在的数据孤岛、设备运维滞后、流程固化、柔性不足与全局优化缺位等结构性难题，研究构建了涵盖“全域数据融合—可靠智能运维—流程仿真优化—柔性协同调度—全局决策推演”五个维度的系统性赋能路径。通过构建统一数据底座，实现多源异构数据的标准化接入与高质量治理；部署预测性维护平台，显著提升设备可靠性与系统连续性；运用虚拟仿真与动态优化技术，实现仓储作业流程的智能重构与效率倍增；构建弹性资源调度机制，增强系统对动态需求的适应能力；打造全链路仿真决策沙盘，推动系统从经验驱动的局部决策向数据与模型驱动的全局自主优化跃升。以化纤产业实践为例，该技术体系的化纤生产效率提高5%，运营成本下降15%，设备利用率提升10%，故障处理时间缩减30%。展望未来，数字孪生技术将朝着“全域协同、智能共生”方向演进，为构建自主可控的现代仓储物流体系、培育新质生产力提供关键支撑。
为适应复杂电子装备多品种、变批量，结构上多级盲配、垂直互联的特点，自主研发了一款六自由度异构型装配机械臂，并将其应用到复杂电子装备装配生产线中。首先介绍了异构六轴机械臂的结构组成、构型优势及其在实际使用中面临的问题；其次基于D-H参数法建立了异构六轴机械臂的正逆运动学算法，对异构六轴机械臂运动学模型进行了构建；随后对异构六轴机械臂的标定算法、轨迹规划算法、碰撞控制算法等方法进行了研究；最后通过现场标定实验和MATLAB仿真分析对使用的运动规划方法进行了验证，证明了相关方法的合理性和实用性。
针对农业巡检、灾害救援等非结构化环境中移动机器人越障能力不足的痛点，研究提出一种基于摇臂-转向架悬挂与曲柄滑块机构融合的四轮移动底盘设计方案。首先，通过构建行走机构的运动学与力学模型，分析了关键构型参数（如支撑轮中心距、铰接距离）对地形适应性和负载平台姿态的影响，并基于多目标优化方法确定了最佳参数组合（LF =200 mm，k1=0.9）。其次，结合曲柄滑块机构与对称式车架设计，开发了三维虚拟样机，并利用RecurDyn平台进行动态仿真，验证了底盘在跨越18 mm减速带和20 mm半圆柱障碍时的仰俯角波动范围（±3°以内）与驱动力需求（峰值扭矩≤15 N·m）。最后，通过样机试验表明：该底盘在负重75 kg条件下可稳定跨越90 mm减速带型障碍，且直线运动速度达1.8 m/s时路径偏差小于20 mm/5 m。研究成果表明，该设计显著提升了移动机器人在非结构化环境中的地形适应能力，为农业巡检、搬运、灾害救援等场景提供了可靠的移动平台。
针对手机中框微孔背景复杂、缺陷中小目标数量多且形态随机性高等给视觉检测带来的挑战，提出一种基于YOLOv8的改进型的YOLOv8-burr模型。该模型通过在网络颈部设计基于分组卷积的轻量化全局注意力变换模块，在主干部分融合多尺度特征提取模块，以及在网络上采样部分引入极化自注意力机制与CARAFE算子，使得模型能够通过全局特征信息和多深度通道信息来实现更加准确的识别微小目标缺陷。实验结果表明，改进后的模型在拥有14.4 M大小的同时能够实现92.1%的微孔缺陷识别准确率，且在难识别的“毛刺”缺陷类别中，相较于改进前模型获得10.4%的准确率提升，达到了机器人对识别手机中框微孔加工缺陷模型的识别精度要求。
针对工业缺陷检测系统在资源受限环境下难以兼顾检测精度和计算效率的问题，提出了一种基于混合状态空间模型的轻量化工业缺陷检测网络架构。该架构通过设计C2f_EfficientVIM_CGLU模块，将视觉状态空间模型的全局序列建模能力与卷积门控线性单元的局部特征增强机制深度融合，构建了高效的缺陷特征表征学习框架。引入HSM-SSD（Hidden State Mixer based State Space Duality）机制，采用线性时间复杂度的状态空间建模方法处理长距离依赖关系，显著提升了对不规则形状和稀疏分布缺陷的识别能力。设计Slimneck轻量化特征金字塔网络，通过GSConv（Ghost Shuffle Convolution）稀疏卷积和VoV-GSCSP（Variance of Variance Ghost Shuffle Cross Stage Partial）高效特征融合模块，在保持检测精度的前提下实现了网络参数的大幅压缩。在NEU-DET和APDDD数据集上的大量实验表明，所提网络架构在NEU-DET数据集上的mAP50达到92.13%，相比基线模型YOLOv8n提升9.77个百分点，参数量仅为2.9 M，计算复杂度为7.7 GFLOPs，相比传统的Faster-RCNN方法参数量减少93%以上。在APDDD数据集上的mAP50达到89.68%，验证了方法的良好泛化性能和快速检测能力。该研究为工业4.0智能制造环境下的高效质量检测系统提供了理论基础和技术支撑。
随着计算机视觉和人工智能的快速发展，目标检测技术在消防领域得到了广泛的应用。针对传统消防设备维修和维护过程中灭火器表盘人工识别效率低和误判问题，设计并实现了一种基于改进YOLOv5算法的智能灭火器表盘识别装置。该装置通过集成树莓派4B计算核心与高分辨率相机，结合封闭式包围罩、光屏蔽侧板及自适应补光系统，有效抑制外部干扰并适配不同容量灭火器。在算法层面，引入CBAM注意力模块和BiFPN特征融合网络，优化YOLOv5m模型的特征提取能力与多尺度目标检测性能，同时提出图像切割策略增强了模型在复杂背景下对小目标的识别精度，改进后的模型具有更高的准确率和精度。现场试验表明，装置在复杂工业环境中对3 kg、4 kg、5 kg、8 kg灭火器的压力状态识别准确率达100%，与车载消防设备诊断智能物联网系统集成后，该装置的检测数据能够实时上传到云平台，供系统进行进一步的数据分析和状态评估，在灭火器的维修与维护流程中，展现出较高的工作效率与自动化水平，为消防设备的维修和维护提供了有力的技术支撑。
螺旋折流板是管壳式换热器中重要的折流元件，有效获取螺旋折流板曲面空间位置信息是解决螺旋折流板管孔加工的关键。针对螺旋折流板纹理弱、遮挡多，其表面具有反射性，三维重建精度和时间难以满足工业需求的问题，提出了融合特征检测器与稠密视觉的匹配算法和可变视野的注意力模块，以在弱纹理和反光区域获取更多的特征点；采用级联式的CasMVSNet实现螺旋折流板稠密点云的重建以减少表面空洞，缩短重建时间。在自采集的数据集上的实验结果表明，采用所提出的三维重建技术，获得了完美的螺旋折流板曲面，在弱纹理区域几乎不存在空洞和噪点。相较于其他算法，重建精度提高了3.96%，位姿估计累积误差曲线面积提高了6.48%，重建时间下降到180 s以内，证明了该重建技术的可靠性和有效性。
当前，无人车在复杂环境下的高精度定位仍面临软硬件协同性不足和标准化集成缺失等问题，制约了数据链路贯通和虚实交互闭环的构建。为此，提出了一种基于数字孪生的无人车定位平台架构。硬件方面，依托STM32平台集成全球导航卫星系统（Global Navigation Satellite System， GNSS）、超宽带（Ultra-Wideband， UWB）、惯性测量单元（Inertial Measurement Unit， IMU）、蓝牙/Wi-Fi 以及窄带物联网（Narrowband Internet of Things， NB-IoT）等多源感知与通信模块，并通过高速总线和专用接口实现互联与驱动控制，构建了多源数据采集与传输基础。软件方面，结合工业互联网标识解析与数字孪生技术，设计了数据管理、时空定位、路径规划和电子围栏等功能模块，并通过多源信息融合实现物理实体与虚拟模型的双向交互和闭环控制。实验结果表明，该平台在保证测距精度和稳定性的同时，提升了系统的交互性与集成度，为无人车定位提供了一种完整的软硬件一体化解决方案。
针对异步电机故障诊断中特征提取能力不足、准确率低等问题，提出了一种基于卷积神经网络（CNN）-Transformer-BiLSTM的异步电机故障诊断模型。通过将大尺度卷积核与BiLSTM模块连接来提取故障振动信号的时序特征，利用门控机制和双向时序学习机制，能够有效地学习故障信号在多个时刻之间的特征关系；采用小尺寸卷积核与Transformer模块连接，进一步增加了模型对时序特征的提取能力，利用多头注意力机制实现对特征序列的并行高效处理，通过Softmax分类输出诊断结果。在10 dB的噪声干扰下，将所提模型与MSCNN-LSTM-Attention、MSCNN、BiLSTM、1DCNN模型进行对比试验。对比试验结果表明，该模型能够有效地提取故障特征，故障诊断准确率分别提高了4.3%、9.7%、17.2%、18.5%，体现出该模型在噪声干扰的情况下具有较高的故障准确率。
针对现如今工业环境下因起重机吊钩损坏而引发的事故，以及起重机装卸货物效率较低的问题，提出了一种改进YOLOv8n的起重机吊钩识别算法。首先，引入了AKConv模块代替了主干网络中的Conv模块，该模块赋予卷积核任意参数与形状，为卷积核之间提供了丰富的选择。其次，将ADown下采样模块嵌入主干网络中，减少了在下采样过程之中特征信息的丢失。最后，引入了CAFMAttention卷积注意力融合模块，增强了吊钩识别的全局和局部的特征提取。根据实验结果，改进后的YOLOv8n算法在精确率、召回率和mAP50指标上分别提升了4.6%、4.2%和3.3%。改进后的算法能够实时检测吊钩位置，帮助操作人员及时调整和判断，避免碰撞或意外，提高了工业环境下的安全性；并且，吊钩的自动识别有助于帮助工作人员更快地锁定吊钩位置的同时进行精准地装卸货物的操作，从而提高了工作效率。
为了提高机器人在非结构化场景中通过视觉信息抓取物体的成功率和预测抓取位姿的准确性，提出了一种融合卷积与自注意力的抓取检测模型—UFGNet（Unified transformer grasp network）。UFGNet采用编码器-解码器结构。其中，编码阶段采用分层的Transformer模块，该模块中的多头关系聚合器整合了卷积和自注意力的优势，在浅层和深层分别有效地提取了丰富的多尺度特征和全局信息；解码阶段的残差结构可以让模型学习到更加复杂的特征表示，并通过Shuffle Attention模块更加关注抓取区域，提高了抓取检测性能。为了验证UFGNet的性能，使用Cornell数据集和Jacquard数据集对UFGNet进行训练和测试，并搭建PyBullet仿真平台进行抓取实验。结果表明，UFGNet在Cornell数据集和Jacquard数据集上的准确率分别达到了98.4%和94.9%，表现出具有竞争力的性能。在仿真实验中，平均抓取成功率为95.8%，实验结果验证了UFGNet在抓取物体方面的准确性和鲁棒性。
刀具磨损预测对降本增效及保证加工质量意义重大。针对在环境噪声复杂，信噪比较低环境下刀具磨损相关信息特征提取困难、所提特征利用率低、预测精度和准确度不高等问题，首先提出了一种对振动信号进行多尺度样本重构（Multi-scale Sample Reconstruction，MSR）的方法来降低噪声对后续模型预测效果的影响，随后提出了一种以残差神经网络（Residual Neural Network，ResNet）和双向长短期记忆（Bidirectional Long Short-Term Memory Networks，BILSTM）网络集成模型为基础并通过在每个残差层融合交叉注意力机制（Criss Cross Attention，CCA），采用堆叠双向长短期记忆网络（Stacked Bidirectional Long Short-Term Memory Networks，SBILSTM）的改进模型，将改进模型与ResNet-BILSTM模型以及传统的深度学习模型进行对比，结果表明该方法很显著地提高了刀具磨损的预测精度和准确度。
针对实际制造过程中需要同时在线监测多个表面加工质量评价指标的问题，提出一种基于RPM和MTL-GAMDenseNet-CA网络的表面粗糙度识别及尺寸精度预测方法。首先，通过RPM对多通道振动信号进行二维转换，得到相应的二维RPM图，再利用二维离散小波变换对多通道RPM图进行分解重构；其次，将GAM注意力机制引入到DenseNet模型中，构成新的GAMDenseNet网络作为模型的编码器，再将CA注意力机制融入到解码器结构中，利用硬参数共享网络架构构建MTL-GAMDenseNet-CA多任务学习网络模型；并通过梯度归一化算法（GradNorm）自适应调整表面粗糙度识别和尺寸精度预测两个任务损失函数的权重比例，对模型进行优化；最后通过对比实验及消融实验，对所提方法进行验证。实验结果表明：在表面粗糙度识别任务中，该方法的准确率达到了99.88%；在尺寸精度预测任务中的平均绝对误差（MAE）和均方根误差（RMSE）分别达到了0.0177和0.0221。这表明所提方法能够有效实现表面加工质量多评价指标的在线监测。
为了提高电能表检定网络安全通信能力，该研究提出一种基于改进型SDN控制器和组合加密算法的网络安全通信技术。利用卷积神经网络和长短期记忆网络构建网络入侵检测模型，通过网络流量时延调度算法阻止恶意网络入侵，实现电能表检定时负载均衡；将Logistic混沌映射和RC6加算法组合，对电能表检定网络通信信息进行加密，最终实现电能表检定网络通信安全。实验证明，此方法下电能表检定网络通信的平均信息熵值为7.992，比改进RC4算法高0.057，比混沌S盒加密算法高0.074，此方法下的电能表检定网络通信安全性更高。
针对传统猪肉切割机器人因单臂设计导致协调控制不足、适应性差等问题，提出一种基于六维力传感器的双臂分割柔顺控制方法，右臂通过构建主从式力位混合控制框架，将切割任务分解为力控制与位置控制正交子空间，实时调整切割力与运动轨迹，确保切割的顺利进行；左臂基于雅可比矩阵映射与加速度约束传递，实时跟踪主臂位姿变化，保证两臂协同运动时的平衡性和稳定性。仿真结果表示，该控制方法具有较好的鲁棒性与柔顺性，能够完成高精度的猪肉切割任务。
针对振动膜生物反应器中的滑移架往复频率太高导致的曲柄滑块机构易发生倾覆问题，通过对曲柄滑块机构的连杆速度瞬心的解析解研究，得到了连杆速度瞬心线模型，由该模型计算可知，曲柄连杆长度比分别为1/5、1/4、1/3时，瞬心线的变化规律，即曲柄长度不变，连杆长度越长，整体瞬心线向右平移，连杆瞬心线除中间位置外近乎水平直线，在瞬心线的模型基础上，进一步得到了倾覆极限频率为1.9 Hz和安全频率1.8 Hz在10 min内滑移架的速度和加速度变化规律，并用ADAMS软件验证了曲柄滑块机构瞬心线模型的有效性，为预测振动膜组器机构能否稳定运行提供重要设计理论参考。将连杆速度瞬心线模型推广得到铰链四杆机构的连杆速度瞬心线，并将该模型应用在人体膝关节设计中，得到腿直立和弯曲状态两个极限位置的瞬心线，与人体膝关节J形瞬心轨迹相似，所提出的连杆速度瞬心线模型与人体膝关节理想瞬心轨迹具有很好的匹配度，为具有人机相容性结构的优化设计提供参考，所建立的连杆速度瞬心线模型在生物力学领域有很好的应用前景。
针对深度强化学习中样本利用率低、训练收敛速度慢、路径规划效果差的问题，提出一种基于Dueling DQN改进的路径规划算法，引入方向奖励和过滤策略。根据当前状态和下一时刻状态的连线以及当前状态与目标点连线的夹角，重新设计奖励函数，缓解了奖励稀疏的问题；在训练时将碰到障碍物的动作存入黑名单，使下一回合动作选择时可过滤此动作，提升了算法的探索速度。实验结果表明，改进算法可有效提高路径规划的效率，复杂环境时智能体的探索效率提升约95%，使智能体可用更少的探索步数和时间到达目标点。
为了解决目前激光同轴送粉喷嘴存在送粉汇聚性较差导致粉末利用率较低以及高强度激光熔覆导致出粉口堵塞的问题，采用基于气-固两相流运动理论的有限元分析法和正交试验设计方法，在确定的喷嘴结构和环境参数条件下，根据衡量粉末流汇聚能力特性的中心轴粉末浓度大小、汇聚点距离、单位距离粉末流浓度分布、粉斑直径等参数，设计正交试验，得到了通道上壁与轴线间夹角、通道壁面夹角、颗粒路径出口宽度对气粉流分布的影响规律。
轮式人形机器人由于多自由度、强耦合及非线性的特性，其运动控制尤其是全身运动控制非常困难。为此，提出了基于机器人运动学和模型预测控制（Model Predictive Control， MPC）的全身运动控制方案。建立了简化的轮式人形机器人运动学模型，定义了关于末端执行器位姿的二次型成本函数，通过松弛障碍函数（Relaxed Barrier Function， RBF）设定了机器人运行时需满足的关节位置约束、控制输入约束、避免碰撞约束和防倾倒约束。设计了针对机器人末端执行器位姿规划的仿真实验，仿真结果表明，该控制方案不仅可以使机器人全身运动以实现末端执行器的控制，同时还能够满足各类约束。
针对第五代移动通信系统云化无线接入网（Cloud Radio Access Network，C-RAN）中多业务共存时动态资源调度效率不足、差异化服务质量保障困难等问题，提出一种基于改进型双重Q学习（Enhanced Double Q-Learning，EDQL）的动态资源调度方法。首先，建立面向超可靠低时延通信（ultra-Reliable Low Latency communication，uRLLC）、增强型移动宽带（enhanced Mobile BroadBand，eMBB）与大规模机器类通信（massive Machine-Type Communication，mMTC）的虚拟化切片架构，通过多优先级抢占机制与队列动态调节因子实现资源权重自适应修正。在此基础上，设计融合竞争网络架构与动态奖励缩放的EDQL算法，结合马尔可夫决策过程对网络负载、信道状态及队列时延进行联合建模。实验结果表明，所提方法较传统轮询调度、静态优先级及启发式规则算法，uRLLC业务强制终止概率降低82.3%，eMBB服务完成率提升41.2%，系统资源利用率提升28.5%，mMTC平均排队时延减少76.9%。该研究通过虚拟化切片与强化学习的深度融合，为5G多业务资源调度提供了新范式。
电主轴加工质量直接影响精密制造的精度、效率与稳定性，其加工过程存在着品种多，工况多，以及目标工况数据匮乏等特点，使得电主轴的质量稳定性难以保证。基于此，提出一种基于迁移学习的电主轴加工过程多工况质量预测方法。首先在提取主轴时序信号基础上利用合成少数类过采样技术平衡历史主轴数据与待测主轴数据分布；然后构建两阶段的回归算法的TrAdaboost.R2模型，利用知识迁移对待测工况主轴质量进行预测；最后通过电主轴数据对所提方法进行验证，结果显示所提方法展示出了良好的预测性能，为电主轴多工况质量精准预测提供理论保证。
提出了一种较为完善的烟丝颗粒在烘丝机倾斜滚筒中的运动模型，并探讨了在已知固有参数值和工况的情况下，预估停留时间等指标的方法。通过综合考虑烟丝在烘丝机中的多种运动形式，并实时估计烟丝颗粒的位置，可以准确地估计其在滚筒中的停留时间。该估计结果对于烟丝水分和温度的控制具有重要意义，并为改善烟草加工质量提供了有益的信息和改进方向。数值模拟结果表明，在固有参数无法调整的情况下，相较于热风风速，停留时间和接触加热时间对于烘丝机转速更为敏感。因此，在优化烘丝过程工艺时，将烘丝机转速作为有效的操作变量，可以改善对烟丝含水率的控制效果。
路径规划是无人机执行任务过程中的重要组成部分，也是无人机成功完成任务的关键保障。通过对三维环境进行建模，构建无人机路径规划的代价函数，并在分析麋鹿群优化算法（Improved Elk Herd optimizer，IEHO）的基础上提出一种改进算法对无人机路径规划进行求解。算法通过Logistic混沌映射初始化种群分布，提高种群的多样性，利用s型传递函数自适应动态调整公鹿率，以平衡探索和开发的能力，其次引入高斯变异对小鹿的位置更新进行扰动，以提高搜索效率，再结合Lévy飞行策略，避免种群陷入局部最优；同时还对所得到的路径规划数值解通过贝塞尔曲线进行平滑。通过cec2017测试函数对IEHO和麋鹿群优化算法（EHO）以及其他5种算法进行比较，验证了所提算法的有效性，最后在两种不同的环境模型下进行测试，IEHO相比EHO、DBO、COA在无人机路径规划方面有更好的收敛速度和路径寻优能力。
实现钢结构工业化智能建造有两大必要条件，一是研发全装配钢结构新体系，结构本身可高效重复拆卸；二是研发自动化装配机器人，解决施工现场人工作业安装效率低、精度低、质量差问题。提出一种适用于芯筒式钢柱节点的扭剪型高强螺栓自动化装配机器人方案。该方案聚焦于M16扭剪型高强螺栓的装配过程，重点进行了机器人末端-执行器的机构设计与结构可靠性分析。设计了基于机器视觉的螺栓孔装配分层控制系统。通过模拟实验验证，所设计的机器人机构能够满足装配工艺要求，显著提升芯筒式柱节点扭剪型高强螺栓的装配效率、精度、质量和安全性。
难切削材料广泛应用于航天航空行业，该类材料具有切削难度大、材料成本高、标定实验难等特点。在难切削材料有限元仿真建模过程中，材料的力学性能以及刀具-切屑摩擦性能的设置，会显著影响仿真模型的预测精度。如何实现难切削材料力学性能等参数的高效获取，研究仿真模型的快速精准不确定校准策略具有重要意义。以难切削Ti2AlNb金属间化合物铣削过程为例，提出了一种贝叶斯框架下的难切削材料有限元仿真模型不确定校准方法。首先开展了模型不确定分析，提出了基于贝叶斯理论的模型不确定量化方法，并基于马尔科夫链蒙特卡洛法实现了不确定系数求解；其次开展了基于有限元仿真软件的铣削过程有限元建模、仿真实验设计与仿真数据集构建，提出了基于高斯过程回归以及支持向量回归的代理建模方法；最后开展了Ti2AlNb铣削实验设计，构建了工况数据集，实现了有限元模型中JC本构参数与刀具-切屑摩擦系数的量化。实验结果表明，不确定校准后的有限元仿真模型在预测精度上得到了改善，三向铣削力的预测相对误差由校准前的21.47 %降低为12.17 %。
为突破传统机械臂2D平面抓取的局限，并解决现有6D位姿估计算法（如Gen6D）位置估计不准的难题，提出了一种优化的Gen6D-Op算法。该算法针对典型的机器人抓取场景，基于共线假设，将位置估计误差转化为带约束的优化问题进行求解，从而实现对物体位姿的精确获取。在此精确位姿的基础上，进一步设计了垂直姿态与平面投影两种高效的抓取策略，以提升抓取效率与稳定性。实验证实，Gen6D-Op显著提升了位姿估计精度，总误差降低72.3%至9.48 mm，多物体抓取成功率达到94%。同时，采用设计的两种抓取策略能够有效减小机械臂关节角度的变化范围，缩短抓取时间。
