为实现各种异形微细工具的制造，提出了线电极双侧布置的间隙约束线电极电火花磨削加工方法，并设计了实验装置，加工区域内线电极的位置波动对微细工具的尺寸精度有直接影响。以加工区域内运丝稳定性为研究目标，进行田口实验，探究缓冲器旋出长度、磁滞制动器电流和丝速对线电极位置波动和张力的影响。通过分析线电极张力可知，运丝过程中线电极位置波动和张力变化具有相关性；各实验因素对线电极位置波动量和张力波动量占比的影响规律相同。实验结果表明，丝速对运丝稳定性的影响程度最大；当缓冲器旋出长度为10.5 mm,磁滞制动器电流为0.09 A和丝速为1 mm/s时，线电极运行最稳定，并进行了实验验证。

针对齿轮表面缺陷识别过程中特征信息提取不充分和识别精度较低等问题，提出一种融合多尺度-注意力机制和迁移学习的齿轮表面缺陷识别方法。新方法的创新之处包括：在AlexNet网络中引进Inception模块增加模型宽度，提取多尺度信息，从而提升模型对于不同尺度缺陷特征的感知能力；在多尺度编码操作前，采用卷积注意力机制模块在通道维度和空间维度增强缺陷特征信息，进一步提升模型的特征表达能力；将在通用数据集上预训练的AlexNet模型中部分参数信息迁移至网络模型，利用权重微调策略实现针对齿轮表面缺陷识别任务的个性化网络参数优化；最后，将所提方法在齿轮表面缺陷测试集上进行测试。实验结果表明，该方法在齿轮表面缺陷测试集上的精确率为99.33%,召回率为99.33%,分别提升了9.13%和13.23%,满足实际工业生产中齿轮表面缺陷识别的需求。

针对具有不确定因素的可重构车间布局与调度联合优化问题，提出了基于自适应惩罚MOEA/D的联合优化方法。考虑了产品需求量和生产时间不确定因素，基于三角模糊数和模糊随机变量对不确定因素进行描述；以最小化物流费用和完工时间为目标，建立了车间布局和调度联合优化模型。采用MOEA/D对优化模型进行求解，在算法中引入了能够平衡多样性和收敛性的自适应惩罚因子，得到了基于自适应惩罚MOEA/D的车间布局与调度联合优化方法。经8个工件、12台设备的生产案例验证，与标准MOEA/D和改进非支配排序遗传算法(Non-dominated Sorting Genteic Algorithm-Ⅱ,NSGA-Ⅱ)相比，基于自适应惩罚MOEA/D的Pareto前沿解处于支配地位，说明该方法在车间布局与调度联合优化问题中的优化程度更深。实验结果验证了建模和优化方法的可行性。

针对绿色制造背景下的柔性作业车间调度问题，建立以最小化完工时间、机器负荷及车间能耗为目标的多目标整数规划模型，并提出一种基于强化学习中的Q学习(Q-learning)的改进快速非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)进行求解。首先，采用多启发式算法初始化种群以平衡机器负荷，引入精英库实现双策略混合交叉以提升种群质量。其次，根据种群度量指标构建强化学习状态空间并通过Q-learning训练调整混合交叉比例，保证种群的分布均匀性和多样性，避免算法早熟。最后，通过不同规模的Kacem和Brandimarte基准算例及关于汽车发动机冷却系统零/部件制造的生产实例，对算法性能进行分析评估，验证了模型和算法在求解柔性作业车间调度节能问题的有效性以及在平衡机器负荷和能耗指标上的优越性。

工业机器人的示教编程目前普遍存在操作复杂、专业性强、效率低及易产生意外碰撞等问题，为了提升工业机器人示教编程效率及安全性，将在线示教和离线示教的优点有机结合，提出了一种基于增强现实技术的工业机器人引导示教方法。首先，建立了机器人的D-H模型并对其正/逆运动学进行分析求解，将其解应用到虚拟机器人的运动控制中，使虚拟机器人能够符合实际机器人的控制方式及运动形式。其次，利用增强现实技术以呈现出的虚拟机器人代替实际机器人进行示教操作。该方法应用了更为自然的手势交互方式，降低了操作者的专业性要求并提高了示教效率。最后，通过模拟液晶面板涂胶的示教实验，验证了利用增强现实技术进行工业机器人示教编程的有效性和可行性。

针对无人车使用传统多目标跟踪算法在复杂的校园场景中跟踪效果不好、实时性差等问题，提出了一种面向校园复杂环境的无人车前方多目标跟踪算法。首先，基于YOLOv4-tiny目标检测算法设计检测器，增加算法的检测层以提高小目标检测精度；随后在筛选出的数据集上进行模型训练和试验，试验结果表明，改进后检测器的检测精度AP提高了5.4%,运行速率FPS达到114.3 f/s。其次，在获取检测框后，以检测结果为输入，使用无迹卡尔曼滤波器预测目标轨迹，解决卡尔曼滤波在目标非线性状态下鲁棒性差的问题。然后，将预测得到的新轨迹通过匈牙利算法和当前检测视频帧数进行匹配，并使用IOU匹配算法对匹配不成功的轨迹和检测结果进行关联匹配。最后，进行无迹卡尔曼滤波更新。无人车校园跟踪试验表明，与原DeepSORT算法相比，改进跟踪算法的多目标跟踪准确度MOTA提升数值为4.1%,多目标跟踪精度MOTP提升数值为3.4%,FPS提升了33.8 f/s,有效提高了无人车的安全性。

针对纺纱企业筒纱包装方式落后、传统包装设备自动化程度低和劳动力资源浪费大等问题，通过筒纱包装工艺流程分析，运用TRIZ及其方法，提出并设计了一种筒纱自动翻转整列包装装置。首先，分析了传统包装设备中存在的技术矛盾，构建矛盾矩阵表，筛选出分割与切割、预先作用和不对称等发明原理；然后，根据发明原理提示对筒纱自动翻转整列包装装置进行方案设计；最后，从理论上得出理想可行方案，该方案已在纺纱企业筒纱包装生产线中落地生产，整体运行稳定，具备良好的推广应用价值。

在传统比例积分微分(Proportional Integral Derivative, PID)控制的基础上，考虑到论域因子的误差，设计了一种函数型的变论域模糊PID控制策略。基于1/4车辆二自由度磁流变半主动悬架系统，首先，建立了磁流变阻尼器的正、逆模型；然后，根据车辆磁流变半主动悬架系统的振动特性建立了模糊推理规则；最后，基于变论域的思想，设计了模糊论域的伸缩因子，以获得最优的控制精度。利用Matlab/Simulink软件在随机路面和正弦路面分别对车辆磁流变半主动悬架进行了仿真分析，通过车身垂直加速度、悬架动挠度以及车轮动载荷进行悬架性能评价，结果表明，与被动悬架、模糊控制和模糊PID控制相比，变论域模糊PID控制使车辆磁流变半主动悬架各性能指标均得到有效改善。

针对电磁混合主动悬架系统作动器增益故障，并考虑弹簧和阻尼器存在力的非线性导致车辆控制稳定性降低的问题，提出了一种滑模容错控制策略。选取失效因子表示作动器故障大小，建立作动器故障参数模型；利用滑模控制理论，设计一种基于精确模型的主动悬架的滑模容错控制器，并基于Lyapunov稳定性理论，证明系统的稳定性；采用麻雀搜索算法(Sparrow Search Algorithm, SSA)和线性矩阵不等式(Linear Matrix Inequalities, LMIs)结合的优化方案对滑模面参数进行寻优，根据适应度函数对最优解进行选取。仿真结果表明：相较于被动悬架，滑模容错控制策略下电磁混合主动悬架的簧载质量垂向加速度均方根值、悬架动挠度均方根值和轮胎动载荷均方根值分别降低43.7%、41.8%和39.1%。表明设计的滑模容错控制器是正确的，可以改善车辆的平顺性。

分别采用SiC混粉介质和常规介质对Cr12MoV模具钢进行电火花线切割多次切割加工对比试验。在相同加工条件下，采用混粉介质相较于常规介质火花放电加工，首次切割(粗加工)时，切割速度提高22.16%,工件表面粗糙度降低15.05%,电极丝损耗降低21.87%;第二次切割(半精加工)时，工件表面粗糙度降低10.05%,直线度误差降低15%;第三次切割(精加工)时，工件表面粗糙度降低27.12%,直线度误差降低50%。研究发现，极间SiC纳米微粒的串联放电，增大了放电间隙，改善了极间排屑条件，大大提高了线切割速度和表面加工质量。极间电火花放电通道的快速扩展，减弱了电极表面单位面积上的放电冲击力，大大提高了电极表面加工质量，降低了电极丝损耗。

薄壁叶片造型复杂，表面曲率变化大，整体刚度低，在铣削加工中容易发生弯扭变形和局部欠切等问题。通过有限元仿真和实际加工测量，对薄壁叶片在铣削加工中的弯扭变形和让刀现象进行分析，研究弯扭变形的原因和变化趋势。基于迭代最近点(Iterative Closest Point, ICP)配准算法和镜像反补偿算法，提出了一种同时考虑弯扭变形和让刀误差的综合补偿方法。对使用该方法得到的曲面模型进行CAM编程和加工实验，结果表明，该方法可同时抑制薄壁叶片铣削过程中的弯扭变形和局部欠切。

采用有限元方法对某型号铰链式带锯床锯架结构的静态特性进行了模拟分析，分别获得了张紧状态和锯切状态下锯架的应力应变分布规律，分析了锯架的变形情况，发现该锯架在从动轮侧存在应力集中现象，最大应力为159.02 MPa,超过了材料的许用应力。设计并进行了检测试验，根据数值模拟结果在锯架表面选择了8处测点，测试结果与数值模拟结果吻合较好，最大误差不超过10%,验证了有限元模拟结果的准确性。以模拟结果为依据对应力集中部位进行形状优化，优化后锯架的最大应力减小到59.11 MPa,安全系数达到4.2,符合高可靠性设计要求。结果表明，该优化方法对带锯床锯架的设计和优化具有指导意义。

齿轮修形作为微米级的结构设计，其设计结果的可靠性不仅受主观修形量的影响，更受模拟仿真计算网格精度的影响。模拟仿真的可靠性是评判仿真结果可信度的重要指标。以某纯电动汽车二级减速器开发设计中的齿轮修形模拟仿真为例，探究修形齿轮网格模型划分，并以一组修形斜齿轮为基础对模拟仿真中的网格划分方法进行研究，确定齿面网格划分方法。分析了高低转速下齿宽和渐开线方向上网格数量变化对最大齿面接触应力、峰峰值传动误差以及齿面接触斑分布的影响。结果表明，最大齿面接触应力、峰峰值传动误差以及齿面接触斑分布的仿真精度对渐开线方向网格数量变化不敏感；齿面网格数量变化对高转速下的仿真精度影响较小，对低转速下的仿真精度影响较大；当齿宽方向网格数量小于80时，齿面接触斑分布随齿宽网格数量增加先增大后趋于平稳；当齿宽方向网格数量超过110时，最大齿面接触应力、峰峰值传动误差以及齿面接触斑均可获得可靠的仿真结果。

在基于模型的定义(Model-Based Definition, MBD)的三维工艺设计环境下，实现MBD模型的重用能够提高工艺设计效率和质量。但是，解决MBD模型重用的前提是快速匹配已有MBD模型。目前围绕MBD模型相似匹配方面还存在着跨平台性差、匹配准确率低等问题。为此，引入知识图谱技术，提出了一种面向MBD模型的相似匹配方法。该方法首先通过特征识别将MBD模型数据进行分解，并构建基于MBD模型数据的零件信息模型；其次，通过对关系型数据到图数据的映射，构建了基于知识图谱技术的MBD模型案例知识库；然后，为了快速筛选出相似的MBD模型，提出了基于包含度的子图匹配算法，并构建了基于零件信息模型的MBD模型相似度计算方法；最后，在Intellij IDEA平台中对所提方法的可行性进行了验证。结果表明，以轴类零件为例，实现了对案例库中的零件进行预选及相似度计算，最终输出与匹配模型相似度值最高的MBD模型。

提出了一种面齿轮齿面的拓扑修形设计方法来提高齿面的接触性能。首先，通过渐开线圆柱齿轮共轭出面齿轮齿面，以该齿面为基准面，借助二阶、四阶多项式构建ease-off差齿面。然后，通过解析ease-off差齿面的拓扑结构，获取了接触路径与几何传动误差等轮齿啮合特性。最后，通过预置二阶、四阶传动误差曲线、接触路径和接触区等齿面啮合性能参数来设计ease-off差齿面，对叠加差齿面后的修形齿面进行轮齿接触分析和有限元啮合仿真分析。结果表明，所得的齿面传动误差、接触路径与预设的传动误差、接触路径基本吻合。通过对2种修形方法的对比分析发现，四阶多项式拓扑修形齿面的啮合性能要优于二阶修形齿面，为模具法面齿轮齿面的修形设计提供了参考。

辊式矫直工艺是轧制生产线上必要精整工艺。为提升生产线的整体智能化生产需求，采用神经网络代替曲率积分矫直模型进行计算，解决其求解难、耗时长和不收敛的缺点。针对反向传播(Back Propagation, BP)神经网络易出现泛化能力弱、陷入局部最优等问题，引入遗传算法(Genetic Algorithm, GA),建立一种基于GA-BP神经网络算法的板材辊式矫直工艺神经网络多输入多输出计算模型。对比结果显示，选用trainscg函数可实现较好的预测结果，并通过贪婪策略对模型结构进行优化，实现了矫直工艺模型的快捷、高精度计算，首尾辊压下误差在0.2 mm以内，残余曲率比误差在5%以内，矫直力误差在7%以内。该神经网络模型对轧制生产线有较高的工程应用价值。

为精准检测输送带横向跑偏距离和倾斜角度，提出一种融合ResNet18和Deconvolution的输送带横向跑偏检测方法。首先，设计输送带横向跑偏检测系统，给出输送带横向跑偏检测流程。接着，提出融合ResNet18与Deconvolution的输送带边缘和托辊接触特征关键点提取方法，并采用热力图突出关键点，以便于计算跑偏距离及倾斜角度。最后，搭建输送带横向跑偏检测实验平台，并对该检测方法进行相关实验。实验表明，该检测方法可减弱光照、粉尘等干扰影响，平均准确率为95.17%,优于YOLOv5和Maskrcnn LSD算法，满足带式输送机输送带横向跑偏检测精度要求。

针对钢线圈剪切自动化中数据难以收集、钢线圈头部像素面积小及位置不确定等问题，提出一种改进Faster RCNN钢线圈头部小目标检测算法。对于目标像素面积占比小，区别特征不明显的问题，通过加入FPN对融合特征进行检测，同时，在网络中加入PAM并行注意力模块，提高特征图质量和区域建议网络生成的预选框质量。实验表明，改进后的网络在VOC2007数据集上mAP比原始Faster RCNN提高了约5%;在钢线圈数据集上mAP比原始Faster RCNN提高了约4%,实验表明改进算法具有一定的有效性。

明确废旧机械产品失效信息与其再制造加工方案间的关联规则，并建立其关联规则库，是实现废旧机械产品再制造加工执行方案高效自主决策的基础和前提。针对大批量废旧机械产品失效信息及其再制造加工数据量大且复杂，导致其关联规则挖掘效率低、有效规则量少的问题，提出一种改进的废旧机械产品失效信息与再制造加工方案关联规则挖掘方法。首先提取再制造案例大数据集核心失效特征，降低数据维度，然后运用改进的K-Means算法对数据集进行聚类，最后运用H-Mine算法并行挖掘其关联规则，并存入规则库。工程实例验证表明，该方法在挖掘效率和挖掘有效关联规则数量上具有明显优势。

为了提高重型液压平台的控制精度和控制速度，提出了基于论域自适应模糊-相邻交叉耦合的同步控制方法。以4液压缸驱动的重型液压平台为研究对象，建立了液压平台同步控制的动力学方程和液压缸的状态空间方程。介绍了相邻交叉耦合同步控制原理，针对模糊控制论域尺度固定导致的模糊规则闲置问题，设计了论域随跟踪误差、误差变化率自适应变化方法，提出了基于自适应论域模糊控制的相邻交叉耦合同步控制方法。设计了4缸驱动液压实验平台，在多负载工况下进行验证可知，自适应论域模糊控制的最大俯仰角均值、最大滚转角均值、最大同步误差均值及调节时间均值都小于传统模糊控制、模糊PID控制及滑模控制。实验结果验证了自适应论域模糊控制在重型液压平台控制中的可行性。

为了提高滚动轴承剩余使用寿命预测精度，提出了基于注意力多尺度卷积神经网络(Attention Multi-scale Convolution Neural Network, AMCNN)的剩余使用寿命预测方法。首先，将轴承振动信号进行互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition, CEEMD),得到本征模态函数(Intrinsic Mode Function, IMF)分量，并基于其能量累计占比选择了前5个IMF分量作为浅层特征。其次，融合了深度学习、多尺度感知和注意力机制，构造了注意力多尺度卷积神经网络。最后，设计了注意力多尺度卷积神经网络对轴承剩余使用寿命的预测步骤。经XJTU-SY轴承数据集验证，AMCNN对轴承剩余使用寿命预测的MAE=2.41、RMSE=3.12,远小于标准卷积神经网络(Standard Convolutional Neural Network, SCNN)和多尺度卷积神经网络(Multi-scale Convolution Neural Network, MCNN)预测的MAE和...更多

为实现数控机床主轴轴承的故障准确预测，提出一种将灰色关联度分析法、深度学习和残差滑动窗口分析相结合的故障预测方法。采取灰色关联度分析法对采集的设备状态变量进行特征筛选，在此基础上建立基于极端梯度提升树(eXtreme Gradient Boosting, XGBoost)和长短期记忆(Long Short-Term Memory, LSTM)神经网络(XGBoost-LSTM)加权融合的轴承温度预测模型，通过设定报警阈值和规则，利用滑动窗口法对轴承温度预测模型的预测残差进行分析，实现对主轴轴承故障的准确预测，并通过实例验证了该方法的有效性。