The dexterous multi-fingered robotic hand， serving as a key end-effector， is pivotal for enabling robots to perform fine-grained grasping and compliant manipulation. Its advancement holds significant importance for promoting automation in manufacturing， enhancing the intelligence of service robots， and expanding applications in specialized environments. Focusing on humanoid multi-fingered dexterous hand technologies， this paper systematically reviews the current state-of-the-art and future trends. It begins by elucidating the fundamental concepts， system architecture， and typical characteristics of dexterous hands. This is followed by a comprehensive of research achievements from domestic and international teams and commercially available mainstream multi-fingered dexterous hand products， covering various degrees-of-freedom designs and their respective hardware and software implementations. Key technologies， including core hardware components， multi-modal sensory fusion， and control strategies， are critically analyzed. The paper subsequently summarizes practical applications across domains such as industrial assembly， daily life assistance， and operations in extreme environments. Current challenges， particularly in reliability， multi-modal coordination， generalization capability， human-robot safety， and integration and application， are identified. Finally， future research directions are prospected from multiple perspectives， including standard establishment， novel mechanical structures， advanced multi-modal perception and fusion， bionic evolution， and embodied intelligence， aiming to provide valuable insights for in-depth research and groundbreaking applications of dexterous hands.

Aiming at the pain point of slow traditional rescue response in water areas， this paper proposes a structural design scheme of an amphibious rescue equipment that integrates the functions of unmanned aerial vehicles （UAVs） and rescue boats. The UAV adopts a lightweight fuselage and NACA4412 airfoil aerodynamic design. Through the rotation of wings and elescopic mechanism of the counter-rotating propellers， a rapid cross-medium form switching can be achieved. Meanwhile， the dynamic performance is analyzed by establishing the mathematical model and state-space model of the drone， and a fuzzy PID controller is designed. MATLAB/Simulink is used to carry out dynamic response simulation verification for the mathematical model of the drone and the designed fuzzy PID controller. The results show that when the input is a square wave and a step signal， the fuzzy PID controller designed in this paper has a faster response speed and better stability compared with the traditional PID controller.

针对传统云计算平台在智能制造设备信息集成系统开发中所面临的两大挑战：多源异构节点数据难以融合和设备数据处理高延时问题，采用基于"云-边-端"结构的边缘计算网关，改善传统云计算结构中生产设备与云平台直接连接的方式，设计基于CODESYS软PLC的多协议边缘计算网关，实现不同协议节点数据的融合，包括Modbus/TCP、Ethernet/IP、PROFINET、EtherCAT、Modbus/RTU、OPC UA等。并基于CODESYS RTE对Windows系统内核进行实时性改造与网络通信结构的优化，降低设备通信延时时间；建立工业物联网标准试验平台，进行边缘计算与传统云计算的对比实验，结果显示多协议边缘计算网关成功实现了多源异构节点数据的融合，相较于传统云计算，在数据处理和决策方面既大大降低了延时时间，又提高了可靠性。

针对物流中转仓库内移动机器人转运货物的路径规划问题，以转运货物至指定地点的最短时间为目标函数，利用遗传算法对目标函数进行求解。传统遗传算法存在早熟收敛、寻优能力差的问题，因此，提出一种改进遗传算法的路径规划方法，对算法的交叉算子和变异算子两方面进行改进，设计了启发式交叉算子与自适应策略调整的变异算子来获得最优解。基于MATLAB对仿真环境进行搭建和对改进算法进行实例验证。通过分析仿真结果，改进后的算法规划路径更加合理、具有更好的收敛能力。

针对电动汽车数量呈突变式增长的问题，通过分析私人电动汽车保有量的相关影响因素，利用关联分析法筛选出公共充电桩数量、人均可支配收入、人均消费支出、第二产业投资额增长率和总私人电动汽车数量五个因素，建立了引入自适应系数r的灰色模型（GM（1，N））。与现有的预测模型结果进行对比，证实了所建立模型的优越性。此外，根据重庆市充电站提供的数据，建立了私人电动汽车日充电负荷模型，采用蒙特卡洛法得出私人电动汽车在2021年和2025年保有量下的日充电负荷，渗透率分别达到为0.4%和0.85%。最后，引入IEEE33节点系统分析电动汽车在不同渗透率下充电负荷对电网的影响程度。结果显示高渗透率下对电网电压造成的波动较大，网损增加近160倍，降低了能源利用率，为重庆市未来规划电动汽车充电提供了有效的数据参考。

随着智能制造的迅速发展，工业码垛机器人得到了广泛的关注和应用。目前的工业码垛机器人多数是采用示教的方式，不能实时感知机器人周围的环境信息，受生产环境的约束性较大。为解决这一问题，设计并开发了以四自由度机械臂为核心的工业码垛机器人系统。首先，采用机器视觉技术自动对物体进行信息采集与识别，包括物体的姿态和坐标，物体类别，以及机械臂工作空间的环境信息等；其次，建立了机器人的正、逆运动学模型，并采用遗传算法和五次多项式插补方法实现了机器人的运动轨迹优化。最后，设计并开发了码垛机器人的软硬件平台，将上述机器视觉和运动规划算法在实际的码垛机器人系统上进行了实验测试，获得了良好的实验效果。

人工智能技术在各个领域飞速发展，特别是智能控制领域。传统PID控制存在参数整定和性能优化过程繁琐、控制效果不理想的问题。人工神经网络算法可以利用控制系统中的输入输出信号，不断更新控制网络来调整PID的控制参数，使得PID控制可以迅速达到理想的控制效果。首先总结了单神经元网络、BP神经网络、RBF神经网络算法的原理，以及与PID控制领域结合的方法，然后将振动台传递函数模型作为被控对象，对比了各种算法的参数整定效果，分析了各种算法的优点与不足。其次通过数值仿真验证了智能算法在PID控制参数自整定中的有效性和优越性，最后对未来的神经网络控制研究方向提出了建议。

为保证多核异构系统中的复杂实时任务能及时完成，调度方法常常会以最小化任务执行时间为目标函数，在满足实时性要求后仍进一步压缩执行时间，这可能会增加系统的整体运行功耗。基于多种群遗传算法，提出一种适用于多核异构系统的复杂任务调度方法。该方法能够保证任务在规定期限内完成，同时尽可能降低系统功耗。通过搭建包含不同架构和运算频率的多核CPU系统，基于梯形图抽象出复杂任务模型，并使用该调度方法进行任务部署从而完成有效性验证。通过进一步的仿真实验，对该方法在不同规模图任务下进行对比试验，进一步验证其优越性。

针对多机械臂路径规划时受到障碍物影响，导致避障路径协同规划效果差的问题，提出基于人工势场法的多机械臂系统协同避障路径规划方法。在分析多机械臂运动性能基础上，为确定各机械臂末端位置与姿态之间的无序对应关系，运用随机函数，并结合人工势场法原理，通过增大目标位置使引力大于斥力，修正斥力势场函数，实现对多机械臂系统协同避障路径规划。实验结果表明，采用所提方法可有效提高路径规划效果。

针对在路径寻优过程中采用常规避障算法的机器人产生剧烈摇晃以及与行人相互避让时产生的“囚徒困境”问题，提出了以工控机为控制核心，以STM32单片机为辅助控制的激光雷达下基于磁轨导航和PID全自动送餐机器人新型巡线避障算法。在运动和导航模块基于磁轨导航与PID算法，优化机器人运动轨迹以实现机器人的巡线运动；通过RFID标签辅助控制机器人加速、减速、驻停等动作；通过建立的多影响层避障判据识别模型来实现机器人的高效避障。最后实验验证了算法的适用性和高效性，能够在校园、工厂等人员复杂环境下有效避障。

To address the problems of scattered knowledge systems in ship assembly and ineffective mining and utilization of massive process data， this paper proposes an automatic knowledge graph construction technology for the shipbuilding domain based on large language models. This method uses large language models to convert unstructured and semi-structured ship data into structured data to build a ship process corpus. It models ship ontology knowledge structure with the assistance of large language models， designs an instruction prompting framework for ship assembly domain， and achieves efficient entity-relationship extraction， to complete the automatic construction of knowledge graphs. Additionally， the method uses triple sets constructed by general large language model instruction prompts as fine-tuning training sets to further fine-tune specialized small language models， ensuring the security of specific private ship data while reducing computational resources. Experimental results show that this method outperforms traditional baseline models in key metrics such as accuracy， providing a new technical approach for knowledge management and intelligent upgrading in the shipbuilding domain.

针对传统艾灸技法中烟雾大、易烫伤、劳作强度大等弊端，设计了一款智能艾灸机器人。采用“工控机+STM32”的分层系统架构。上层系统实现艾灸机器人各功能任务的调度执行，控制机械臂运动完成施灸操作。下层系统实现各设备的驱动和关键信息的采集。两层系统通过信息交互，协作完成智能少烟的施灸任务。根据各传统灸法的施灸特点，设计机器人运动算法，使艾灸机器人能在保持良好运动学特性的前提下复现各种动灸手法。实验结果表明，艾灸机器人控制系统工作可靠，施灸期间机器人各关节运动连续平稳。可以达到预期的设计目标。

随着机器学习的迅速发展，基于数据驱动的新型机器学习为航空航天领域的问题分析提供了新思路。健康管理作为提升装备可靠性、维修性、保障性和测试性的关键步骤备受瞩目。在航空航天装备技术不断创新以及智能化水平不断提高的背景下，分析航空航天装备在健康管理中存在的难题和机器学习优势的基础上，提出了基于数据驱动的航空航天装备健康管理平台。着重介绍了该平台的设计理念、结构框架、工作流程以及全寿命周期数据管理。通过以某航空航天装备为例，论证了该设计方法在航空航天装备健康管理平台研制中的可行性和有效性。

针对机器人控制器功能相对独立，外设对机器人运行状态数据采集比较困难的问题，提出通过Ethernet/IP工业以太网实现PAC控制器与机器人通信进行数据采集。构建基于EtherNet/IP工业以太网的FANUC机器人数据采集平台。介绍了FANUC机器人采集平台方案，分析了EtherNet/IP工业以太网协议机制，详细介绍了机器人工业以太网参数设置方法，PAC控制器与机器人通信原理，重点分析了通过EtherNet/IP工业以太网实现两种信息数据采集和交互实验过程。PAC控制器很能方便的采集到机器人运行状态和交互数据。在机器人控制器中追加EtherNet/IP工业以太网的协议软件，既不改变物理硬件组成，采集方案又简单，数据采集和交互方便，数据传输稳定，为智能制造系统集成打下良好基础，值得行业借鉴应用。

针对传统蚁群算法进行路径规划时存在的收敛速度较慢，容易陷入局部最优解等问题，对传统蚁群算法进行改进。首先，在启发函数中加入偏离距离因子，引导无人机向目标点进行寻优；其次，对状态转移函数中信息素权重因子\alpha和启发函数权重因子\beta进行自适应处理；最后，使信息素挥发系数根据算法迭代次数及路径适应度自适应变化，同时使信息素更新与路径适应度相关联。仿真结果表明，改进后的算法收敛速度更快，规划出的路径更平滑，最优适应度更低，同时有效避免了陷入局部最优的问题，具有更好的搜索效率及实用价值。

为保证双足机器人的运动过程中机身的稳定性并能够抵抗一定程度的外部冲击力的干扰，设计了一种基于虚拟模型控制（VMC）与全身控制（WBC）的双足机器人力矩控制方法。该方法用虚拟模型控制对机器人模型进行简化，用得到的降阶模型求解机器人行走过程中的地面支反力；用全身控制对机器人控制任务进行优先级排序，并求解运动过程中的关节加速度；最后将二者代入刚体动力学方程中求解控制所需要的关节力矩。控制目标为驼鸟形双足机器人，使用的仿真平台为MIT机器人仿真平台。经过仿真验证，该控制方法可以有效地对目标进行控制，且机身的稳定性高，计算的求解效率高，运算复杂程度低，证明了该方法对于双足机器人控制的效果较好。

机器人的动态跟踪精度是机器人实现精准实时操作的一个关键性难题。设计了一种基于模糊自适应PID的机器人视觉伺服动态跟随算法。针对机器人三维空间的动态跟踪任务，首先搭建了以NDI光学定位跟踪系统作为视觉系统，以思灵Diana高精度力控协作臂作为载体的实验系统，确定了视觉伺服的基本方法，然后通过两步法标定获得了手眼矩阵，设计了视觉伺服控制器，之后利用双机械臂模拟主动运动和跟随运动，对所设计算法进行了实物验证。实验结果表明机械臂能够精确地跟随目标的匀速移动。

液压缸对叉车工作安全性和可靠性有重要的影响，需要出厂前对其进行各种性能实验。针对实际需求，使用工业现场总线、可编程控制器、组态软件等技术设计了叉车液压缸性能测试实验台，并且从液压系统原理、电气控制系统、程序设计、人机监控界面等方面详细地阐述了该系统。实验平台测试项目齐全，可完成压力30MPa 以下、叉车用1-100kN倾斜油缸、转向油缸的试跑合、外泄漏及耐压、启动压力、全行程、内泄漏测试。实践证明，该系统自动化程度高，提高了叉车液压缸的检测水平，不仅运行稳定，安全可靠，能够确保设备连续运行，还大大降低了工人的劳动强度，提高了劳动生产率，从而有效、有序地进行叉车液压缸批量地性能检测，为企业取得了较好的经济和社会效益。

高效电梯集群控制算法对于缩短乘客候梯时间，以及降低电梯能源消耗具有重要作用。针对高层电梯集群控制需求，首先，对传统最短距离算法进行深入分析与设计。其次，为解决该算法在外呼信号实时最优分配方面的不足，结合PLC扫描原理进行改进，实现了外呼信号的N次灵活分配，从而大幅提升了算法的灵活性和适应性，优化了系统运行性能和效率。最后，通过西门子S7-1200 PLC控制器和电梯仿真软件，验证了改进算法的显著优势。

In the industrial software ecosystem， Computer-Aided Design（CAD） interfaces play a pivotal role. This study outlines the composition and collaborative mechanisms of the industrial software ecosystem， reviews the evolutionary trajectory of CAD interface technologies， and summarizes their core roles within the ecosystem from the perspectives of data transmission， functional integration， and innovation-driven development.Building on this foundation， an in-depth analysis of the application bottlenecks and challenges faced by CAD interfaces is conducted， including data interface standards， the depth of system integration， and the convergence with emerging technologies. Furthermore，future development trends for CAD interfaces are explored， emphasizing key directions such as data standardization and semantic enrichment， multi-user collaborative design with real-time interaction， and the deep integration of artificial intelligence technologies. This work aims to provide theoretical insights and practical guidance for the research and application of CAD interfaces within the industrial software ecosystem.

This paper addresses the issues of low efficiency and poor reliability in manual inspection of weld defects in shipbuilding by proposing an improved YOLOv8-based method for detecting appearance defects in hull butt welds. A weld dataset containing five types of typical defects such as cracks and porosity is constructed. The study intergrates innovatively the Convolutional Block Attention Module （CBAM） and Spatial and Channel Reconstruction Convolution （ScConv） into the YOLOv8 object detection framework， significantly enhancing the localization accuracy and classification robustness for micro-defects. The experimental results demonstrate that the improved model achieves an mAP50 of 83.1% with precision and recall rates reaching 94.9% and 87.9%， respectively， on the custom dataset. The field deployment tests indicate a detection rate of 0.14 m/s，representing a 98.6% efficiency improvement over traditional manual inspection while meeting real-time requirements. This method provides an automated solution for weld quality inspection in shipbuilding with significant engineering application value.

Loading and unloading operations are one of the labor-intensive scenarios in the logistics field. As a crucial issue in automatic loading and unloading， the three-dimensional packing problem is increasingly receiving attention. In response to the shortcomings of traditional 3D packing algorithms that do not pay attention to the order loading and unloading sequence， this paper proposes an efficient and fast two-stage heuristic algorithm for the 3D packing problem under the premise of considering customer order classification and loading and unloading sequence. The algorithm first stacks goods into a "tower" shape and uses dimensionality reduction to transform it into a two-dimensional rectangular filling problem for optimization. It innovatively combines the skyline algorithm with the BL （Bottom Left） algorithm to decode the optimal packing order and position. The experimental results have shown that this algorithm can maximize the space utilization of the packing strategy.

To address the challenges of frequent bearing failures under complex working conditions， as well as the low real-time performance and strong dependence on manual feature extraction in traditional diagnostic methods， this paper proposes a bearing fault diagnosis method based on a deep learning model combining a Multi-Scale Convolutional Neural Network （MSCNN） and Long Short-Term Memory （LSTM）， and develops an intelligent bearing health management system. The system adopts an end-to-end diagnostic workflow， directly taking raw time-domain vibration signals as input. It extracts hierarchical local features across different frequency domains through MSCNN， and captures the temporal evolution of fault characteristics using LSTM， thereby achieving high-accuracy automated fault classification. To enhance the interpretability of diagnostic results and support intelligent maintenance decisions， the system integrates the Chinese large language model iFLYTEK Spark， which generates natural language diagnostic reports and maintenance suggestions through standardized prompts. The system is deployed on a domestically developed Phytium quad-core processor platform， ensuring full autonomy and reliability of both hardware and software components for industrial applications. Experimental results show that the proposed system achieves an average classification accuracy of 98.46% on the CWRU bearing dataset， and 96.73% on the AITHE bearing fault dataset， demonstrating strong robustness and cross-dataset generalization under complex and noisy conditions. With real-time visualization of diagnostic results and maintenance recommendations through a human-machine interface （HMI）， this system provides a reliable and intelligent solution for equipment health management and predictive maintenance.

为了解决血皮菜繁育大棚恒定湿度控制问题，构建了一种基于改进PID算法的湿度控制系统。系统由STM32F103单片机、SHT35湿度传感器、WH01增湿泵、LORA通信模组、人机交互端口和系统电源管理组成。湿度传感器采集数据传递给主控，主控调用改进型PID算法，计算得到控制值输出，控制值传递给PWM控制器调节增湿泵控制信号的占空比，从而控制湿度达到一个稳定过程。其中设计的改进PID算法，大大降低了系统控制过程中的误差和波动，能够对繁育大棚湿度控制在一个合理区间。实验表明，湿度控制精度提高了0.5%RH。

为保持人体站立平衡姿态稳定性，基于惯性感知模块（IMU）、温控模块通过上位机实现双串口控制，设计了人体站立平衡姿态矫正可穿戴系统。通过实验设定固定阈值，针对人体不同部位皮肤给予触觉刺激，验证了不同部位触觉刺激对人体站立平衡矫正的可行性。通过分析实验结果，证明该系统对站立平衡矫正有帮助；通过比较不同触觉感受发现指尖对人体站立平衡矫正效果更好，说明指尖皮肤相较手臂小臂外侧皮肤更适合触觉刺激；同时前倾矫正均比后倾矫正准确率高，表明前倾矫正比后倾矫正更容易。该系统不仅能帮助人体站立平衡姿态，而且在姿态矫正和辅助康复上有重要意义。

推荐系统是互联网时代实现信息精准传递的有效手段，广泛运用于产业链上下游信息推送、商品精准推荐等领域。然而由于缺乏新用户数据，系统存在数据稀疏和冷启动问题；且传统模型在信息传播过程中存在节点交互不足或权重不合理等缺点，限制了推荐系统的性能。为解决上述问题，提出了基于相似度匹配的知识图注意力网络（Similarity Matching Knowledge Graph Attention Network， SMKGAT）的推荐方法，将用户与物品间的关联与自身特征相结合，完成新用户数据的合理扩充，构建知识图谱获取辅助信息，同时引入了双重注意力机制，允许新老用户和物品共同确定邻居节点的权重，有效获取知识图中的结构和语义信息进而提升冷启动推荐性能。最后将所提方法运用于MovieLens-20M和Amazon-book数据集，实验中该方法的点击率和Top-N预测较传统方法均有所提高，验证了所提方法的有效性。

针对长程自主式水下航行器（AUV）在使用推进器定深巡航、上浮下潜能耗高以及传统浮力布置方式带来重心改变控制复杂等问题。提出了一种复合浮力调节装置，该装置在结构上独立成段，集成了浮力调节和重心调节功能。可在满足浮力调节的同时，利用剩余空间实现对俯仰角的控制。并采用一种新的浮力模块布置方式，通过理论计算验证了该装置可以在AUV上浮、悬浮、下潜过程中保持一定姿态。搭建了复合浮力装置样机，对主要部件进行强度校核，测试其在水下的密封性能和浮力调节精确度。结果表明：该机构具有精确的浮力调节能力，以及保持该机构在水中平衡的能力，相比传统布置方式可提高空间利用率、简化安装步骤。

Underwater garbage identification is crucial to the cleaning work carried out by underwater robots. In this paper， an underwater garbage recognition algorithm based on YOLOv8-MHSA-DCN is studied. Aiming at the low quality of underwater image caused by complex underwater lighting environment， a multi-scale fusion based underwater image enhancement algorithm is proposed， which combines the white balance algorithm and gamma correction algorithm to improve the underwater image quality. In terms of recognition algorithm， MHSA attention mechanism is added based on Transformer network to enrich feature and semantic information. Common convolution is replaced by deep deformable convolution in backbone network to enhance feature extraction capability. The experimental results on the data set show that the average detection accuracy of the proposed algorithm is increased from 81.8% to 83.3%， and the calculation time is only 5.6ms， indicating a better comprehensive performance than the original model.

针对目前山药收获难的问题，设计开发一款可用于山药自动挖掘的机器。该机器主要由转筒、升降台、机架、底盘、双目相机及PLC控制部分组成。使用SolidWorks软件对机器零件进行设计及选型，并利用有限元分析软件ANSYS对山药机转筒和升降台进行力学分析。在汽油机13.5 N\bulletm的驱动扭矩Td作用下得出转筒的最大应力和最大应形为10.41 MPa、0.017232 mm，升降台的最大应力和最大应形为63.158 MPa、0.27901 mm，应力和变形均在材料许用范围内。使用样机做结构可行性实验，通过实验验证山药收获机结构设计合理，基本能够完成山药的收获。

互联网的发展已经进入下半场，从消费互联网走向产业互联网。产业互联网利用数字技术与实体产业的深度融合，推动产业链上下游业务流程和生产方式的变革重组。提出产业互联网的四种发展模式，是在钻石模型基础上，结合不同发展层当中企业所处的行业属性、数字化程度、互联网在产业链中渗透的程度和供应链金融的发展程度，归纳为数字化赋能型、产业链垂直整合型、全产业链生态型和供应链金融型四类，并据此提出产业互联网的四种发展路径。

核电直筒节锻件是核电反应堆压力容器等关键设备的主体，超声波检测技术是保证其质量的主要手段之一，制造厂通常采用人工手动方式进行超声波检验，存在劳动强度大、检验效率低、人为因素高等问题，因此锻件检验自动化成为行业发展的必然趋势。介绍了一种基于Modicon M241控制器的磁吸附自动探伤检测设备，其中详细地介绍了设备的系统结构、磁吸附方案、功能模块及超声系统，重点阐述了控制系统设计、硬件选型、路径规划和流程控制，并最终进行人机界面设计和软件编程实现。实际检测实施表明，该设备功能齐全、运行稳定，能够自动完成直筒节锻件超声检测数据采集，具有一定的推广应用价值。

针对智能工厂深度感知、智能决策和实时控制一体化应用的需求与难题，设计组态-运行模式的低耦合感知计算控制一体化体系架构，研究不同硬件平台、操作系统等底层软件平台的透明运行机制，提出面向实时与非实时的智能与控制融合方法，为感知计算控制一体化组态编程软件研制提供理论指导和技术支撑，对于智能工业控制系统的研制与应用具有重要意义，为企业数字化转型奠定基础。

针对六自由度机器人工具端的力学参数校准难、精度低和操作性不足等问题，提出了一种基于激光跟踪技术与力学传感器融合的机器人工具端力学参数校准方法，研制了一种六自由度机器人多功能简易校准试验用工装夹具，基于DH参数法构建了机器人工具端力学参数校准模型。在KUKA 公司的KR 210-R2700产品上进行了方法验证，并进行了不确定度研究分析，试验结果数据验证了校准方法的可行性和一致性。

为了探讨高速圆柱滚子轴承的温升特性及承载性能，利用有限元方法建立高速圆柱滚子轴承的瞬态热力耦合模型，通过计算得到了轴承的稳态和瞬态温度场，进而分析考虑热力耦合效应下不同内圈转速、径向载荷及滚动体材料对轴承接触压力及弹性变形的影响。结果表明：内圈转速越高，轴承的稳态及瞬态温度越高；随着转速及载荷的增加，轴承的接触压力及弹性变形均增加，高速工况下陶瓷滚子轴承的承载性能明显高于钢制滚子轴承；考虑热力耦合效应与未考虑热力耦合效应的计算结果存在明显差异，热应力及热膨胀对轴承的影响很大。

梳理了国内外对于微创手术机器人RCM的分类及研究，重点介绍了机械限制RCM机构的分类和实际应用情况，以及旋量理论对RCM机构研究的影响和指导作用，其中重力补偿以及主从运动控制策略均为RCM的核心技术要点。深入讨论了RCM机构性能评价体系在优化其尺寸和提高性能上的主导地位。最后，文章对未来的RCM研究方向进行了展望，包括RCM机构的多目标化和轻量化等技术研究，以及性能提升和自适应控制优化等方面，指出其在微创手术机器人和工业制造等领域中的重要贡献。

To solve the problems of small molding size and low printing efficiency of traditional desktop-level single-nozzle FDM 3D printer， a medium-sized FDM multi-nozzles collaborative 3D printer is designed and built. The printer adopts a Cartesian （XYZ） structure and is equipped with three side-by-side composite printing nozzles， and the materials can be selectively extruded according to the demand. The control system is divided into three parts according to the functions： main motion control module，embedded auxiliary measurement and control module and upper computer software module，while the software and hardware of these three parts are developed.Two printing modes of multi-nozzles synchronous forming and multi-nozzles stackable co-filling are designed and the corresponding path planning algorithms are proposed.After printing verification， compared with single-nozzle printing， the synchronous forming efficiency of the composite multi-nozzles printer is increased by 3 times， whereas the stackable co-filling printing time is reduced by 41%. The printing efficiency is significantly improved under the premise of ensuring the printing quality.

针对采煤机滚动轴承故障诊断精度低、速度慢、无法实时监测其运行情况等问题，提出一种基于数字孪生和概率神经网络（Probabilistic Neural Network，PNN）的采煤机滚动轴承故障诊断方法。根据滚动轴承结构、运行的特点，建立基于数字孪生的故障诊断模型；采用改进的萤火虫优化算法（Firefly Algorithm， FA）求取最优的平滑因子并赋给PNN，得到最优的故障诊断模型，并将优化后的故障诊断模型封装到数字孪生体的行为模型中，进而构建高精度轴承数字孪生体进行实时故障诊断分析。实验结果表明，与优化前以及其他网络相比，所提方法的收敛速度更快且故障诊断精度更高，验证了所提方法的有效性与优越性。

大型远洋船舶室内精准定位是实现船上智慧服务的前提，是制造智能船舶的关键。然而，与陆地常规室内环境定位不同，船舶舱室具有空间结构复杂、金属舱室对信号干扰引起的多径效应强烈特点，导致常规基于射频信号的定位方法精度下降。对此，提出一种双级多元感知机（DLMLP）蓝牙AoA定位方法，首先，构建信号传播仿真模型，对比分析船舶舱室环境与陆地常规室内环境蓝牙信号传播过程中的信号强度和多径效应的信道干扰情况，获得误差影响因素；其次，对蓝牙正交采样数据进行频率偏差补偿，实现相位对齐预处理；再次，综合利用蓝牙同源异构数据，构建双级多元感知机深度学习蓝牙AoA估计模型，实现角度估计；最后，根据角度估计结果利用最小二乘法计算定位标签坐标值。实验结果表明，与常规蓝牙AoA定位算法相比，提出的DLMLP方法可以在船舶舱室复杂动态干扰环境下有效提高定位精度，定位精度提升了30%以上。

随着电力电子用电负荷的增加，大部分用电场所尤其是工业用电的电流中含有大量谐波，从而导致在单芯电缆屏蔽层中感应出谐波过电压，但目前的屏蔽层电压计算和抑制方法没有考虑到谐波的影响。基于此，提出计及谐波的单芯电缆屏蔽层阻抗接地方案和参数设计方法。首先，基于电缆内部参数建模分析了缆芯电流与屏蔽层电压之间的关系。其次，通过频域增益分析了不同阻抗接地方案对屏蔽层电压和环流的影响，考虑屏蔽层总电流约束，提出了以屏蔽层谐波电压为优化目标的阻抗参数优化方法，并利用遗传算法求解最优参数。最后，以某钢铁厂实际案例给出了设计流程，仿真结果表明所提接地方案能有效抑制屏蔽层的谐波过电压，同时可以把环流限制在一定范围内，验证了所提的接地方案及其参数优化方法的有效性。

随着互联网的快速发展，网络文本蕴含的地理信息日益丰富。由于网络文本具有数量庞大、动态性强的特点，地理实体的种类和数量也在激增。然而，现有的地理信息命名实体识别研究能够识别的实体类型极其有限。针对此问题，将BERT-BiGRU-CRF模型作为命名实体识别模型，以地理信息领域学术论文作为知识库来源，对行政区划实体、林地实体、交通实体及水域实体进行识别。实验结果表明，该模型在上述四种实体识别任务中取得的F1值均超过了90%，其中行政区划实体识别的效果最佳。模型整体F1值达到92.26%，优于传统的命名实体识别模型BiGRU、CRF及BiGRU-CRF模型。