冷链运输是指在整个供应链中，保持货物在低温条件下从一个地点运输到另一个地点的过程。其主要应用于食品、制药、生物医药等行业以确保货物的品质和安全性，而运输的合理规划对于降低物流成本、减少碳排放、提高运输效率具有重要意义。建立了冷链物流运输路径优化的数学模型，考虑了不同客户点之间的距离、服务时间窗、货物需求等因素，以达到包括固定成本、运输成本、制冷成本等运输总成本最小的目标。然后采用改进海鸥算法对该模型进行求解，该算法是一种基于仿生学的优化算法，模拟了海鸥觅食时的行为，算法具有全局搜索能力和自适应性。在算法实现过程中，考虑了迭代参数设置和收敛性控制，以避免陷入局部最优解，确保实验结果的可靠性和高效性。通过实验算例的应用及不同算法对比分析，验证了基于改进海鸥算法的冷链物流路径优化方法的有效性。

为实现猪胴体中段肋排的精准自动化分割，提出了一种基于改进YOLOv11-Pose算法的肋排轮廓关键点识别方法。针对现有算法在识别速度、学习效率和检测精度等方面的不足，创新性地将CBAM注意力机制中的CAM注意力子模块替换为Biformer中的Bi-level routing机制，以提升模型的运行效率和识别精度。实验结果表明，改进后的模型在多个性能指标上均取得显著提升。在关键点检测任务中，mAP（0.5）达到0.995，较原版模型提升2.37%；在mAP（0.5-0.95）指标上提升0.97%。目标框预测精确率达到0.983，相较于原版提高2.82%。召回率提升至96.5%，相较于原模型提高7.8%。同时，改进模型在保持模型大小不变的情况下，训练时间缩短8.46%，进一步提升了模型的计算效率。可视化结果表明，改进后的模型能够精准识别猪胴体中段肋排的轮廓，并精确预测五个关键点，为后续自动化分割任务提供了可靠的技术支持。研究结果表明，该方法能够在保证高精度的同时提高计算效率，为智能化猪肉分割技术的发展提供了新的解决方案。

工业现场大规模设备数据通讯的应用场景，需要低时延、大容量和高速率的数据通讯解决方案。对比了主流蜂窝物联技术，提出了基于5G轻量化技术RedCap的工业现场数据采集技术方案，设计了一种基于5G RedCap技术的数据通讯终端，并经过测试验证了可行性。基于5G RedCap技术的数据通讯终端能很好地满足工业现场数据通讯需求，在工业物联网领域具备了推广应用价值，将推动蜂窝物联网向端网协同方向发展和演进。

薄膜双向拉伸生产线的核心之一是张力控制，它直接决定了生产出的薄膜的质量。针对双工位收卷转塔在换卷作业的过程中由于转塔翻转产生的薄膜张力变化影响成品膜质量的问题，提出一种前馈速度补偿策略。该策略通过直接对换卷作业过程中转塔翻转对薄膜产生的叠加速度进行计算，并根据计算的叠加速度关系式设计一个基于前馈-PID的张力控制系统，并通过与传统PID控制器进行仿真实验对比。结果表明，该系统具有良好效果，提高了薄膜的得率。

针对特种装备总装车间多源异构数据处理时效性差、精度不高，难以支撑特种装备装配制造过程的实时透明化管控难题，提出特种装备总装车间多源异构数据融合处理方法。在分析特种装备总装车间运行数据构成及特性的基础上，融合Multi-Agent技术优势，构建基于Multi-Agent的多源异构数据融合处理框架，并对所涉及的数据层融合、特征层融合方法进行研究；最后通过仿真实例验证了所提方法的可行性和有效性，为特种装备总装车间的智能化运行管控提供了可靠、及时和准确的数据支撑。

针对于双惯量系统中存在的机械谐振问题，提出了一种基于未知输入观测器的模糊滑模控制方法。此方法主要包含未知输入观测器和模糊滑模控制器两部分。观测器部分采用不变流形原理设计，实现对传递力矩的观测并对其进行补偿。在此基础上设计滑模控制器保证输出信号的跟踪精度，为了消除传统滑模控制本身存在的抖振问题，控制器部分提出了模糊控制与滑模控制相结合的方法，大大提高系统的动态响应性能。最后仿真验证了所提出方法的有效性。

换热器对于提高工业流程的能量效率、减少燃料消耗和温室气体排放具有重要作用。针对具有参数众多、结构多变、介质流动特性复杂的换热器创新设计问题，提出了一种螺旋管换热器的创成式设计方法。首先，分析了螺旋管换热器的设计原理、结构优势、性能特点，介绍了创成式设计方法的应用流程、设计优化逻辑，自动化的参数化模型生成方法；然后，通过计算流体力学仿真，评估了螺旋管换热器的热传递效率和流体力学性能优势；最后，通过结构力学仿真，评估了不同工况下的螺旋管结构的抗风险性能优势。所提出的创成式设计方法实现了设计方案的快速优化迭代和换热器模型的快速生成，为快速探索和设计高性能螺旋管换热器提供了可能性。

为解决传统桌面级单喷头FDM 3D打印机成型尺寸小、打印效率低等问题，设计搭建了一台中型FDM多喷头协同3D打印机，该打印机采用笛卡尔型（XYZ型）结构并装有三个并列的复合材料打印喷头，可根据需求对喷头进行选择性挤出。控制系统按功能分为主运动控制模块、嵌入式辅助测控模块、人机交互模块等三部分，并对这三个部分进行软硬件开发。设计了多喷头同步式成型与层叠式两种打印模式并提出了对应的路径规划算法。经打印验证，与单喷头打印相比较，同步式成型可将打印效率提高3倍，层叠式打印时间缩短41％，在保证打印质量的前提下，打印效率显著提高。

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。

软包电池表面缺陷检测是生产过程的关键环节，针对现有检测方法检测精度低、大尺寸电池成像困难等问题，提出一种基于光度立体成像和深度学习的检测方法。首先，结合光度立体与线阵相机成像技术，建立多光源分时曝光成像系统（MSTIS），通过分时曝光获取多个光源下的电池表面图像，并进行光度立体计算得到包含三维信息的曲率图。然后，为解决小目标和多尺度缺陷漏检问题，对YOLOv8算法进行改进，通过Sobel卷积和常规卷积组成的双通道卷积构建边缘信息增强模块（EIEM），提高特征边缘提取能力，将语义和细节信息融合方法（SDI）与双向特征金字塔模块结合增强微小缺陷的识别精度，并采用轻量级共享卷积检测头以减少算法计算量。试验结果表明，该方法平均检测精度达到94.2%，检测速度达到116 FPS，能有效检测软包电池表面缺陷。

在机器人具有建模不确定性情况下进行精确力/位控制是个具有挑战性的课题。为解决这一难题，提出了一种采用基于改进积分滑模控制进行视力觉混合控制以克服不确定性的控制方法。为进行视觉伺服，利用一种优化视觉特征方法避免视觉雅可比矩阵病态7。针对积分滑模控制提出基于时间延迟估计的改进超扭曲算法，并对积分滑膜控制正定部分使用改进滑模面与趋近律，对应提出视觉控制法和力控制法应用于视力觉混合控制框架。为避免力控部分噪声对控制输出造成影响，采用视觉导纳框架进行混合控制。为优化固定导纳参数导致的固化阻抗特性，提出模糊自适应导纳框架，以期继承导纳优点的同时实时自适应调整参数。最后采用6自由度偏差模型仿真验证所提方案能够在相对更小的颤振下精确跟踪视觉轨迹和期望力，并基于直接视力觉混合控制、视觉导纳控制框架和模糊自适应导纳框架比较了具有不同侧重点的三者的表现。在偏差模型下，通过曲面力跟踪验证所提i-CISMC算法在保证更小控制颤振的同时有更好的跟踪精度；将所提算法与模糊自适应导纳框架结合，噪声下跟踪结果证明该框架在继承导纳框架对力环干扰柔顺性，同时能自适应改变导纳参数从而获得更优的跟踪速度和跟踪精度。

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。

为解决机械加工仓储场景中货位分配的空间利用率低、出入库效率低下问题，提出一种融合遗传算法（Genetic Algorithm，GA）与XGBoost参数优化的混合模型（GA-XGBoost）。通过构建特征选择与超参数协同优化的双层编码机制，结合动态优先级调整的改进贪心算法，建立以空间利用率、出入库时间和预测精度为优化目标的多目标多约束决策模型。实验基于500个货位、1200种货物的仓储数据，结果表明：货物平均出入库时间缩短至17.9分钟，效率提升18.7%；预测均方误差降低至0.012，收敛代数减少19.4%。该方法有效平衡多目标约束关系，可为智能仓储系统提供高密度存储与高效作业协同的货位动态分配方案。

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。

在现代物流仓储领域，纸箱识别对于库存管理以及物流自动化实现至关重要。针对传统方法及现有部分自动化识别方案在纸箱识别任务中实时性较低、准确度不高等不足，提出一种基于改进YOLOv8网络的纸箱识别方法。首先，提出一种自适应的归一化机制（ADBN）引入YOLOv8骨干网络，使模型能够更好地聚焦于关键特征，增强特征提取效果。在YOLOv8检测头中引入了结合FasterBlock和卷积门控线性单元（CGLU）的C2f-Faster-CGLU机制，提高了模型计算效率与模型局部建模能力。此外，引入一种新的基于最小点距离的边界框相似性比较指标MPDIoU，能够更准确地评估模型预测框与真实框的相似度，改进了损失函数。对比实验结果显示，改进后的模型较原模型mAP@0.5提高了1.6%，召回率提高了1.3%，且相较于其他几种主流的检测算法均有性能上的提升，为物流仓储行业的识别工作提供了更精准高效的技术支持。

随着FDM 3D打印技术的快速发展，各行业对打印效率和成型精度的要求日益提高。针对Delta结构FDM 3D打印机成型精度不足的问题，提出了一种基于BP神经网络与PID控制算法相结合的运动系统控制策略。通过将BP神经网络引入打印装置的运动控制系统，实现了控制参数的动态自适应调整，从而有效提升了打印过程的稳定性和精确性。实验结果表明，该控制策略显著降低了打印误差，改善了成型件的表面质量和尺寸精度。本研究为Delta结构FDM 3D打印机的精度提升提供了新的解决方案，对推动3D打印技术的发展具有重要的理论意义和实际应用价值。

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。

针对大部分两栖仿生机器人存在运动能力不足，环境适应性差，且拟真率低等问题，根据蝾螈的基本节律步态，设计了一个新型双神经元互相抑制的中枢模式发生器（CPG）来作为其控制器，并通过调节各神经元间的兴奋抑制参数来保证相邻CPG单元之间相位耦合关系，在此基础上建立了蝾螈机器人仿脊髓控制神经网络。其中神经元网络由中间神经元与运动神经元构成，中间神经元层产生节律信号，再由运动神经元层进行整合后输出至关节肌肉模型，驱动机器人运动。将Simulink和Webots联合，对脊髓控制网络的性能进行了仿真分析。仿真结果表明两栖蝾螈仿生机器人可以很好实现游泳和陆地爬行等节律步态，所设计的蝾螈机器人运动控制神经元网络是可行和有效的。

鸟类活动对变电站电力设备的危害由来已久，针对目前探驱鸟设备存在的检测精度低、驱鸟效果差等问题，设计了一种结合视听感知模块、声光驱鸟模块、远端控制模块于一体的智能探驱鸟机器人系统，采用基于粒子群优化的到达时间差（TDOA）算法实现麦克风阵列的声源定位，并采用改进的YOLOv5和DeepSORT算法实现对鸟类目标的精确定位与跟踪，最后基于声光驱鸟设备实现针对性驱鸟。实验结果表明，智能探驱鸟机器人的声源距离估测精度达到96.42%，相位估测误差低于1.1°，视觉识别精度达到89.7%，通过对视听模态数据的融合感知，有效解决了驱鸟设备的视野盲区大幅降低鸟类检测效率的问题，能够更高效准确地完成探驱鸟任务。

针对传统卷积神经网络在小样本条件下不能有效提取全局特征以及部分深度学习模型较为复杂的问题，提出一种基于多尺度卷积神经网络（Multiscale Convolutional Neural Networks，MCNN）与特征融合（Vision Transformer，ViT）的轻量化齿轮箱故障诊断方法。首先，构建多尺度特征提取模块，该模块通过多尺度卷积神经网络利用不同尺度的卷积核从多个尺度捕捉数据的特征信息，充分挖掘输入信息的局部特征。然后，设计特征融合ViT模块，该模块利用改进的多头注意力机制获取故障信息的全局特征，进一步构建D-MLP，使用深度可分离卷积减少模型的参数量。最后，使用东南大学齿轮箱数据集进行实验验证，结果表明，相比于对比方法，所提方法在变噪声、小样本等复杂条件下具有较高的故障诊断准确率和良好的泛化能力。

为了提高装配质量和装配效率，确保产品质量的一致性，对工人的装配动作进行识别监测。提出一种融合Longformer的时空分离注意力装配动作识别网络，基于时空分离注意力结构分别使用Longformer注意力编码器和Transformer注意力编码器提取视频的外观特征和运动特征，有效整合了长视频序列中的时空信息，同时降低了网络的计算复杂度和网络参数量。在装配动作数据集上的实验结果表明，方法相比基于卷积的SlowFast网络可以更好的提取全局视频特征，Top-1准确率提升了2.44%。相比基于Transformer的TimeSformer网络，Top-1准确率提升了0.45%，参数量降低了65.9%，同时允许输入更长的视频序列，能更有效识别工人的装配动作。

为提高移动机器人路径规划效率，解决灰狼优化算法在路径规划避障问题上存在的收敛效率低和易陷入局部最优的不足，提出了一种改进的灰狼优化算法。首先，加入Tent混沌映射对初始种群初始化，以增加种群的多样性，进而提高收敛速度；其次，加入非线性收敛因子改进策略，从而在降低局部最优解的同时提高全局搜索的效率；进而，将粒子群位置更新策略用于灰狼种群位置更新中，旨在增强灰狼个体的自主搜索能力；最后，选用标准测试函数与PSO、GWO算法对比，改进算法具有优越的收敛性能和寻优精度。环境仿真实验表明，改进算法在平均路径长度、迭代次数、寻优时长等指标均优于其他对比算法。

在工业软件生态系统中，计算机辅助设计（CAD）接口扮演着至关重要的角色。概述了工业软件生态系统的构成与协作机制，回顾了CAD接口技术的发展历程及其阶段性演进，从数据传输、功能集成以及创新驱动不同角度总结了其在工业软件生态中的核心角色；在此基础上深入分析了CAD接口在数据接口标准、系统集成深度与新兴技术融合方面存在的应用瓶颈与挑战；对CAD接口的未来发展趋势进行了展望，强调数据标准化与语义增强、多用户协同设计与实时交互，以及人工智能技术的深度融合将成为关键方向，旨在为工业软件生态中的CAD接口研究与应用提供理论参考和实践指导。

通过对现有煤矸分拣机械手爪及其使用情况进行分析，得出其存在重量较大、易磨损、整体更换成本高等问题，采用安装可更换耐磨垫片和选用质量较轻材料的方法进行改进。通过ANSYS Workbench对改进前后的手指进行受力分析，得出改进后的手指效果更好，并验证了安装可更换耐磨垫片的可行性，确定可更换耐磨垫片材料为20CrMnSi，手指基体材料为TC4；运用疲劳分析工具对改进前后手指进行疲劳寿命分析，得到改进后的手指基体疲劳寿命更长，可更换耐磨垫片在使用4.3794×10⁵次后开始出现失效情况，使用2个月左右需要进行更换。

为求解可变工件数量与可变机器数量场景下的动态作业车间调度问题，提出一种将密集卷积网络（DenseNet）和带有dueling network的双价值深度Q学习算法（D3QN）相结合的Dense-D3QN方法。使用析取图模型构建最小化最大完工时间的单目标作业车间调度模型，以多维矩阵的方式表达调度场景中的状态并设计密集-稀疏奖励函数。为验证提出算法的有效性，分别使用公共算例和实际数据构建公共调度环境和实际调度环境，在公共环境中训练并测试Dense-D3QN模型的性能，在实际环境中训练并分别在静态和动态环境中测试Dense-D3QN模型的性能。实验结果表明，Dense-D3QN模型能更好地应对可变规模的动态作业车间调度问题。

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。

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。

核电、热电、化工设备内部可能出现形状不规则的异物，具有被动变形能力的软体抓手抓取此类物体时具有优势。定刚度软体抓手的负载能力通常很低，可变刚度是提高软抓手负载能力的重要途径。另一方面，力感知功能对抓取易碎物体非常重要，而刚性力感知与软体抓手难以融合，发展可与软体抓手融合的柔性力感知功能模块至关重要。针对上述背景，结合线气混合驱动结构的特点以及仿生手指上下两侧肌肉的工作协调关系，提出了一种利用拮抗作用改变软手指刚度且融合具有力感知功能软体抓手的设计思路。所设计的软体抓手具有三根气动气腔手指，每根手指通过分布浇筑硅胶工艺来制备，并利用仿真软件模拟单根气腔手指变形过程。为了实现抓取时接触力感知功能，在软体手指的尖端集成基于霍尔芯片磁场强度感应的力传感系统，标定并测试了传感器的性能。通过试验，测试软体抓手对不同目标物体的适应性抓取能力和线气拮抗驱动负载能力。实验表明，线气拮抗驱动可以有效提高软体手指的负载能力，感知模块可以实现对抓取目标接触力的实时测量。

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。

为提高放顶煤过程中煤矸识别准确率，提出了一种结合变分模态分解（VMD）、主成分分析（PCA）和卷积神经网络（CNN）的多通道信息融合煤矸识别方法。首先，搭建放顶煤液压支架煤矸滑移试验台，采集多个传感器通道的煤矸振动数据；其次，将采集到的数据利用VMD分解得到本征模态函数（IMF），分别计算每个IMF分量的时域和频域特征，接着将特征进行PCA降维，得到降维后的煤矸振动信号特征向量并以此构建煤矸振动信号特征数据集；然后，利用CNN模型分别对不同通道数据进行训练；最后，通过加权平均法进行多通道信息融合来综合评判识别。研究结果表明该方法具有较高的煤矸识别准确率，经信息融合后准确率可达97.15%，煤矸识别效果良好。

为了实现绝缘子冲洗机器人在遮挡环境下的有效持续目标检测与跟踪，提出了一种基于计算机视觉的遮挡环境下的检测跟踪方法。首先在YOLOv5检测算法中添加注意力机制，增强检测算法对绝缘子的识别精度；然后将DSST算法中的尺度滤波器与KCF跟踪算法相结合，使KCF具有尺度自适应；之后构建Multi-PROSAC-ORB遮挡识别算法，实现遮挡识别；最后将以上三种算法融合，提出一种遮挡判断条件，保证在遮挡情况下对目标的持续稳定识别与实时性。实验结果表明该方法可以在保证实时性的同时有效地避免遮挡环境下目标跟踪精确率较低的情况，与无遮挡识别时的目标跟踪精确率相比提升了10.9%，跟踪成功率提高了13.6%，具有较高的精确性和实时性。

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。

螺栓拧紧质量对机械产品的安全性有重大影响，而传统的诊断方法效率低且精度不高，因此实现有效的故障诊断具有重要的工程价值。提出一种基于 LSTM（长短期记忆网络）和专家知识的螺栓拧紧故障智能诊断方法。首先，基于特定故障模式下拧紧过程数据建立故障诊断专家知识；其次，采用噪声裁剪、阶段分割、拟合和采样等算法对拧紧数据进行预处理，提高数据质量；之后，构建融合LSTM与专家知识的故障诊断模型，通过 LSTM 获取的特征向量作为专家知识模型的输入，得到专家知识向量，并将这两个向量结合作为故障分类器的输入；最后试验结果表明，该方法与 SVM（支持向量机） 和传统 LSTM方法相比，在多种故障模式下具有更高的故障诊断精度。

针对焦炉砌筑机器人自动化抓取中耐火砖识别与定位精度要求高，砌筑现场设备计算资源有限等问题，提出了一种轻量化耐火砖识别与定位算法。首先，针对因干砌耐火砖排列紧密导致误检或漏检的问题，通过多边界特征随机合成方法增强自制耐火砖数据集，并在YOLOv8模型中嵌入全局注意力模块（GAM）和引入损失函数Wise-IoUv3，以提高特征提取能力与锚框质量；其次，针对设备计算资源有限的问题，通过基于参数幅值的剪枝算法对模型进行剪枝处理，以降低模型的计算量和参数量；然后，基于二维识别信息，融合一种基于点云数据的轻量化深度信息阈值分割算法获取的定位深度信息，以完成耐火砖的精准识别与定位；最后，通过搭建焦炉砌筑机器人实验平台，进行测试验证。实验结果表明，本算法的识别平均精度均值达到98.83%，参数量和浮点计算量分别达到了0.211 M和0.856 G，较YOLOv8模型平均精度均值增加了0.21个百分点，参数量和浮点计算量分别减少了92.99%和89.56%。测量深度信息在800 mm~1000 mm时平均相对测量误差为0.28%。本算法能在保证识别与定位精度的同时，降低了设备对计算资源的要求，为焦炉砌筑机器人实现自动化应用提供技术支持。

针对智能工厂的无序分拣物流工艺流程中图像数据集采用传统的人工“拍摄-标注”方法存在标注成本高、标注准确率波动性大的问题，提出了一种自动化的数据生成方法。以图像数据集自动生成算法为研究对象，搭建了基于Pybullet 开源物理仿真引擎的仿真环境，并通过设定虚拟环境渲染参数和处理虚拟相机拍摄的分割图，实现了生成高质量图像数据集及标注文件的目标。使用虚拟环境生成的数据集对YOLO v5m目标检测网络进行训练，并将训练结果应用于Kinect v2相机拍摄的真实场景图片，实验结果表明，工件检出率为92.1%，两类工件的分类正确率为98.2%，平均识别精度为97.6%；生成单张图片及标签文件的时间小于1 s，相较于人工方法更能够满足高效率生成标准化图像数据集的任务需求。

在机器人运动控制领域，面对多样化的起始和终止位置以及速度要求，提出一种新型的通用S型速度规划算法，旨在适应任意指定的起始和终止位置及速度条件。首先介绍了速度到速度的S型速度规划算法，随后详细阐述了普通7段S型速度规划算法，并在此基础上，提出了更为通用的S型速度规划算法。针对不同的输入参数，将s-t曲线分为十种类型，并为每种类型提供了详细的分段规划策略。通过仿真测试，验证了该算法不仅在效率上具有优势，而且在规划曲线的平滑度和位置精度上表现出色。此外，通过在实际机器人平台上的测试，进一步证实了该算法能有效减少机器人运行过程中的冲击和抖动，显著提升了机器人的运行性能，显示出良好的实用性和广泛的应用前景。

目前许多桥式起重机作业场所仍采用近距离人工手柄操作，针对操作人员容易面临潜在的安全风险，设计一种可远程路径规划的桥式起重机实验装置。为提高桥式起重机的稳定性和抓取效率，确定装置的机械结构方案；通过研究实验台三维空间下的工作特点，设计装置的三维路径规划；对蚁群算法进行改进，将信息素存储在路径节点上，采用逐层前进与栅格平面法相结合的搜索方式，运用剪枝算法对路径节点进行优化处理，并采用全局与局部路径规划相结合的信息素更新方式。通过以上改进策略，在MATLAB软件中仿真得到，改进蚁群算法比传统蚁群算法的迭代次数少3次，拐点数少46次，算法耗时短22.6874 s，最短路径短4.4043单位。最后设计实验台的运行系统，并搭建实验样机，运行结果表明：装置满足实际工作需求，验证改进蚁群算法的可行性和有效性。

目前曲面共形天线打印相关设备主要为多轴直写，其精度和效率较低，生产成本高，打印过程中由于路径复杂带来的速度匹配难度大，难以实现批量生产；普通二维阵列喷墨打印设备难以在空间曲面上喷印高精度图案以实现各向一致性，根据实际生产需求并结合多轴喷墨成型装置的运动工作特点，建立了曲面喷墨成形墨滴运动模型，设计了单向曲率变化曲面上图像处理和关键点检测方法，搭建了三维曲面阵列喷墨打印位置精度检测与控制系统。实验结果表明，本系统可准确检测关键点，并可有效降低由于多关节机器人振动、进给速度不稳定、喷射距离变化和打印频率变化等因素导致的墨滴位置误差，最终应用本文方法于圆柱面上成形有效双环谐振单元天线图案。

为兼顾连续可调阻尼（Continuous Damping Control，CDC）减振器独立控制与整车半主动悬架系统协调控制，并改善传统半主动悬架控制单元软件设计中存在的基于裸机开发的软件实时性难以满足、CPU利用率低等问题，首先分别建立半主动悬架整车七自由度模型与CDC减振器正、逆模型，并在天棚控制策略的基础上融合基于Mamdani模糊控制方法构建的整车协调并联模糊控制策略，然后通过移植FreeRTOS-SMP多核实时操作系统，以英飞凌的AURIX系列32位三核微控制器TC275为主控芯片设计出CDC减振器控制单元的软、硬件系统，并进行了多核实时操作系统任务调度验证，最后利用典型随机路面，通过硬件在环实验验证了所设计控制单元的有效性与所提控制策略对于整车平顺性的提升。

针对抛光刀具与工件的相互作用机制复杂，采用回归模型或经验公式建立的预测模型精度不高的问题，将ASO-BP神经网络的建模方法用于机器人抛光过程中，对抛光后工件表面的粗糙度和材料去除深度进行预测，解决了抛光工艺参数与粗糙度和材料去除深度间复杂的非线性问题；为了能够在降低工件表面粗糙度的同时，对材料去除深度进行定量控制，提出了一种将遗传算法与ASO-BP预测模型相结合的工艺参数优化方法，该方法解决了最小化表面粗糙度和定量的材料去除深度的双目标优化问题并输出最优工艺参数组合，通过仿真和试验证明了ASO-BP多目标预测模型的有效性以及结合遗传算法的工艺参数优化方法的可行性。