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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

针对水域传统救援响应慢的痛点，提出一种融合无人机飞行与救援艇功能的水空两栖救援装备的结构设计方案。无人机采用轻量化机身与NACA4412翼型气动设计，通过机翼旋转与层叠对转螺旋桨伸缩机构，实现快速跨介质形态切换。同时，通过建立该无人机的数学模型及状态空间模型分析其动力学性能，并设计了一种模糊PID控制器。采用MATLAB/Simulink对该无人机的数学模型及所设计的模糊PID控制器进行动态响应仿真验证。结果表明，在方波和阶跃信号输入时，所设计的模糊PID控制器相较于传统的PID控制器其相应速度更快，且具有较好的稳定性。

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。

针对当前工件视觉在线检测技术精度较差的难题，提出了一种基于双目视觉的工件尺寸检测系统。该系统采用改进张正友标定法进行标定，通过对Canny边缘检测算法的滤波方式、梯度计算和阈值选取进行改进，提高了图像边缘检测精度。搭建工件尺寸检测系统平台，以齿轮工件为检测对象，进行尺寸检测实验。为了验证该系统检测精度，采用6D 高精度跟踪测量与快速扫描一体化系统对该齿轮工件进行尺寸检测对比试验。结果表明：设计的工件尺寸检测系统，能够准确、高效地对工件尺寸进行检测，测量相对误差平均值为0.119%，可以满足实际工业生产的要求。

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（L_F =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。

为满足部分高端品牌卷烟“先松散回潮后真空回潮”的特色工艺加工要求，解决因不同等级烟叶吸湿性差异导致出料含水率控制精度低、过程质量波动大等问题。将对齐数据按烟包等级进行数据切片，采用相关性分析筛选出影响回潮加水比例的关键因素，基于多元回归分析和神经网络算法建立加水比例控制模型，实现生产前加水比例预测和生产中自动优化调整。模型应用后三个品牌回潮出料含水率标准偏差合格率由52.33%提升至80.57%，模型优化控制效果明显。该方法有效提高了真空回潮过程质量控制水平，同时保障了后续工序关键指标的符合性。

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。

在ABAQUS仿真分析中，杨氏模量与泊松比随温度变化是以固定值输入，影响了结果的可靠性和准确性。为此，利用ABAQUS的二次开发功能，将温变函数嵌入到钛合金TC4的超声振动辅助切削（UVAC）仿真中。分析结果表明，所进行的二次开发符合实际具有指导意义。与普通切削相比，超声振动辅助切削能够有效实现断屑，降低切削温度，最大降幅可达34%。随着振幅的增大，切屑长度逐渐减小，振幅对残余压应力的影响深度呈现先减小后增大趋势；相比之下，频率对切屑形态的影响较小，随着频率增大，切屑长度和残余压应力均呈减小趋势。

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。

液压缸实际故障数据较难获取，各类别故障发生概率不同，部分故障发生之后恶化较快导致整体故障数据不均匀，难以实现故障诊断。基于此提出了一种融合时间序列分解与多头自注意力机制的变分自编码器（Seasonal-Trend decomposition using Loes-Multi Head Atention combined with Time structure based on VAE，STL-MATVAE）用于液压缸故障数据增强，旨在生成与原始数据特征相似但分布有差异的虚拟样本。该方法通过编码器中的多头自注意力机制提取深层特征，并利用残差连接优化网络结构以减少梯度消失；解码器引入时间序列分解组件以增强样本的时间可解释性。实验表明，STL-MATVAE生成的数据在分布特性和多样性方面优于生成对抗网络（Generative Adversarial Network，GAN），可显著提升多种分类器的诊断性能，为液压缸故障诊断提供了可靠的技术路径，并为复杂工业场景下的数据不均匀的故障诊断开辟了新的研究方向。

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。

人工锤铆被广泛应用于飞机蒙皮与桁架的装配中，锤铆过程中铆枪反复冲击铆钉引发的强烈振动与噪声严重影响操作者身心健康与精密仪器精度。为此，设计了一种黏滞阻尼减振工装和一种加装于铆枪上的铆枪隔声罩，旨在最大化减振降噪效果，实现蒙皮薄壁件锤铆过程振动与噪声的高效抑制。推导黏滞阻尼和穿孔板吸声原理，开展黏滞阻尼减振工装和铆枪隔声罩结构设计，分别开展模态试验与锤铆实验，对其有效性进行了验证。实验结果显示，薄壁零件振动呈现出多模态特点，使用减振降噪装置后频响函数各阶模态峰值降低幅度在52.87%以上；锤铆过程最大加速度减少59.34%，锤铆声压衰减调节时间降低32.45%；使用减振工装和隔声罩后噪声声压级较常规锤铆下降3.2 dB，表现出良好减振降噪效果。

船舶元件库查询代码一般由数据库维护人员编写。但是维护人员缺少船舶专业知识，理解查询需求和反馈查询结果的难度大。为解决该问题，提出了基于大语言模型和模板语句的船舶元件库查询。首先，集成多专业设计模型数据和专业知识库，并导入图数据库；然后，利用大语言模型将自然语言描述的查询需求转为模板化的语句集，进一步转为图数据库的查询代码，从而得到查询结果。该方法不需要进行高成本的微调训练，而是继承大语言模型的编码器能力，使用本体论知识和模板语句替换Transformer结构的解码器，提高代码生成的可控性和准确率。408个自然语言问句的测试结果证明，提出的方法准确率高达90%，能够应用到实船运维。

为解决SMT（表面贴装技术）生产过程中由于风险因素的动态特征所导致的PCB贴装产品质量故障问题，提出了一种基于动态模糊贝叶斯网络（FDBN）的PCB贴装工艺故障分析方法。该方法从人、机、环、管、材料、技术六个维度系统地提取故障因素，并特别针对AOI（自动光学检测）检测人员进行测试分析，以确保产品故障在人机复核上的一致性。在充分利用原有产品不良履历的基础上，我们采用故障树模型（FTA）深入分析故障的因果关系，随后通过故障树模型的转化构建贝叶斯网络模型。同时，在模糊集理论中引入改进的相似聚合法，从而构建了一个完整的FDBN模型，用于预测作业风险概率的动态演变。将实际案例的实时信息作为模型输入后，结果显示：所建立的模型能够根据输入的数据准确预测作业风险概率的变化；此外，通过敏感性分析，成功识别并排序了关键风险因素。最后，结合理论验证，进一步证实了该方法的有效性和实用性。

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。

电子液压复合制动系统作为现阶段车辆线控底盘总成中最为重要的主动安全系统，其压力控制精度与系统可靠性的高低将直接决定新能源汽车与智能驾驶汽车的底盘控制能力以及驾驶安全性的优劣。因此，为进一步提高电子液压复合制动系统的响应速度与系统可靠性，基于ANFIS算法与制动主缸P-V特性提出了活塞位移前馈控制策略，进一步提高系统响应速度的同时在一定程度上降低了控制系统对于压力传感器的依赖程度。与此同时，为保证电子液压复合制动系统压力控制精度与系统鲁棒性，基于模糊PID控制算法提出了主缸压力反馈控制策略，进一步提高了其压力跟踪控制精度。最终通过Simulink-AMESim联合仿真的形式对所提出控制策略的性能进行了验证。

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。

固体发动机界面脱粘是固体火箭发动机的主要破坏模式之一，是限制发动机寿命的薄弱环节。准确可靠的监测粘接界面的脱粘损伤对于确保发动机可靠性具有重要意义。固体发动机的脱粘监测识别准确度仍然较低，为此提出了基于概率神经网络的机电阻抗脱粘损伤识别方法。建立了脱粘监测的概率神经网络，直接采用机电阻抗实部曲线作为输入，实现脱粘损伤位置的“端到端”识别。试验验证了所提出方法的识别精度，结果表明所提出的方法可以在每个类别12个训练样本下获得90%以上的识别精度，且传感器位置对识别精度影响较小，同时克服了现有方法依赖于人工构建的损伤指标的缺点，为发动机脱粘监测提供了技术基础。