2月27日：《機械工程學報》2025年第3期最受關注論文推薦

6

四川大學機械工程學院郭鑫等認為，產品設計是面向用戶需求的反復迭代并逐步進化的創造性活動，其核心是多領域知識應用。為了解決產品設計中知識可視化程度低、人機交互下知識推理弱等問題，提高產品設計智能化程度，提出了基于知識圖譜(Knowledge graph, KG)技術的產品交互式設計知識應用模型。首先，基于產品設計活動間的作用與交互演進機制，分析產品設計問題與求解知識間的關聯關系，構建一種可擴展的多層產品設計知識圖譜(An expandable multi-layer knowledge graph for product design, m-KGPD)用以結構化組織多領域、跨學科求解知識，建立知識需求-求解知識信息檢索通道。其次，利用數據標注平臺doccano開展知識文本標注和模型訓練集構建并基于雙向編碼表征模型-雙向長短時記憶網絡-條件隨機場(BERT-BiLSTM-CRF)模型開展求解知識實體關系抽取，減輕在大規模文本知識提取工作中的人工重復性操作，利用知識圖譜可視化平臺GraphXR完成圖譜搭建。最后，基于交互式遺傳算法(Interactive genetic algorithm，IGA)提出滿足產品交互式設計演進規律的求解知識集迭代化推理方法，通過人機混合交互方式為產品設計知識需求匹配最優求解知識集。以復雜地形多巖層成孔裝備交互設計過程為例，驗證了方法的可行性與有效性。

5

廣東工業大學省部共建精密電子制造技術與裝備國家重點實驗室馬帥等認為，熱誤差是電主軸系統誤差的主要來源之一，熱誤差建模是提高系統可靠性的重要手段。電主軸裝載刀具加工時，需要在多個方向上運動，導致實時測量困難，難以采集足夠的熱誤差樣本。不同工況下的數據分布差異較大，在某一工況下訓練的熱誤差預測模型難以在其他工況下取得滿意的預測精度。針對上述問題，提出了一種基于數字孿生和深度遷移學習的電主軸熱誤差建模方法。首先，建立電主軸系統熱行為數字孿生模型，模擬出不同工況下的溫度場和熱變形數據，緩解實際場景中熱誤差樣本缺失的限制。其次，開發基于領域對抗機制的卷積雙向長短期記憶網絡，數字孿生模型生成的虛擬數據用作源域，真實數據作為目標域，不同尺度的卷積層構成特征提取器，分別提取源域和目標域溫度數據的空間特征，處理多維溫度特征的共線性問題。構建雙向長短期記憶網絡作為預測器，處理溫度與熱誤差的時序關系并輸出預測值。同時，結合領域適配的對抗訓練技術，利用域判別器混淆兩域特征，最小化兩域數據分布，提高模型的泛化能力。最后，搭建多源數據協同采集平臺，獲取不同工況下的真實數據，通過不同遷移任務驗證，結果表明：在熱誤差標簽樣本缺失的情況下，該方法成功實現熱誤差建模，具備較好的預測性能。

4

南開大學人工智能學院秦巖丁等認為，面向上肢康復與輔助運動，研制了一款基于氣動人工肌肉(PAM)驅動的上肢康復外骨骼機器人。與純剛性驅動不同，該外骨骼機器人使用PAM與剛性連桿，同時實現了柔順驅動與高精度運動，有助于降低在康復過程中對用戶造成二次傷害的概率。在結構設計上，該外骨骼采用直驅和繩驅相結合的方式，實現了肩肘關節運動的三個自由度。該外骨骼結構緊湊，可以滿足可穿戴的要求。完成了該外骨骼的運動學建模，并基于PAM的三元素模型和拉格朗日方法完成了動力學建模。針對PAM的遲滯非線性，將直接逆模型法與自適應投影算法相結合，實現了無須離線建模與求逆的自適應遲滯補償。最后，通過遲滯補償實驗與抗干擾實驗完成了原理性驗證。實驗表明，研制的外骨骼兼具柔順性和高運動精度，可以滿足上肢康復與輔助運動的需求。

探花

華東理工大學機械與動力工程學院高壯等認為，輕量化設計是航空航天、汽車、醫療等行業的重要需求，在降低能耗、提高性能等方面具有顯著優勢，增材制造技術通過逐層添加材料可以實現復雜結構的制造，點陣結構與增材制造技術相結合已成為高性能輕量化結構設計與制造的新思路。然而，增材制造點陣結構在服役過程中往往會受到循環載荷，發生疲勞破壞，結構輕量化與抗疲勞的協同仍是制約新一代航空航天等結構研發的難題。介紹了輕量化設計與制造方法，總結了點陣結構設計與制造技術，綜述增材制造點陣結構疲勞性能研究進展，指出設計/制造一體化是增材制造點陣結構抗疲勞的可行路線。

榜眼

北京理工大學機械與車輛學院黃思翰等認為，工業4.0階段，人工智能、大數據、物聯網等新興技術層出不窮，加速推動制造業轉型升級，在這個過程中，各類機器人扮演著越來越重要的角色，也為智能制造高質量發展夯實了基礎。隨著工業5.0的提出，以人為中心的理念逐漸深入人心，催生了人本智造這一新興領域。人與機器人在智能制造系統中的界限變得越來越不明顯，人與機器人自主協同作業研究成為了熱點。因此，提出基于大語言模型和機器視覺的智能制造系統人機自主協同作業方法，借助機器視覺和大語言模型的優勢提高智能制造系統中人機協同作業的智能化水平。首先，融合機器視覺和深度學習對智能制造系統中人機協同作業過程進行動態精準感知，通過融合YOLO算法和遷移學習來識別作業狀態，利用長短期記憶網絡和注意力機制準確追蹤操作工動作。然后，面向人機協同作業對大語言模型進行微調，建立基于微調大模型的人機協同作業決策框架，為提供機器人自主配合操作工完成動態作業的任務指令，形成人機自主協同作業閉環。最后，通過一個減速器裝配案例驗證了該方法的有效性。

狀元

國防科技大學智能科學學院羅自榮等認為，微型仿生機器人作為尺寸在厘米級及以下的微型機電系統，具有體積小、質量輕、便于攜帶等特點，被廣泛應用于環境探測、目標搜索、偵查打擊等復雜環境中。為使廣大研究人員了解微型仿生機器人的研究進展，基于全球最大的文摘和引文數據庫Scopus對近15年的相關文獻進行總結和分析，直觀描繪了微型仿生機器人領域的發展趨勢。從微型仿生機器人的仿生運動形式、制造技術、驅動技術三個關鍵點入手，輔以生物機電混合微型機器人特殊研究方向的介紹，總結了微型仿生機器人的總體特征和研究現狀。分析目前微型仿生機器人發展的技術瓶頸，提出能源-驅動-感知-控制全柔性一體化的發展思路，同時促進一體化制造技術的創新發展。基于軍事和反恐防暴應用背景，充分分析微型仿生機器人的特征優勢，進行以微型仿生機器人為核心的作戰應用構想，并拓展討論了微型仿生機器人在民用方面的應用。最后，對現有微型仿生機器人的不足與未來發展進行討論與總結，為微型仿生機器人技術領域的發展及其軍事應用前景提供有價值的參考。

對以上文章感興趣的讀者可以點擊題目，或在文后點擊“閱讀原文”在官網瀏覽。

責任編輯：杜蔚杰

責任校對：張 強

審 核： 張 彤

JME學院是由《機械工程學報》編輯部2018年創建，以關注、陪伴青年學者成長為宗旨，努力探索學術傳播服務新模式。

歡迎各位老師掃碼添加小助理-暖暖為好友，由小助理拉入JME學院官方群！

歡迎關注機械工程學報視頻號~

尋覓合作伙伴

有一種合作叫做真誠，有一種發展可以無限，有一種伙伴可以互利共贏，愿我們合作起來流連忘返，發展起來前景可觀。關于論文推薦、團隊介紹、圖書出版、學術直播、招聘信息、會議推廣等，請與我們聯系。

感謝關注我們！我們《機械工程學報》編輯部將努力為您打造一個有態度、有深度、有溫度的學術媒體！

版權聲明：

本文為《機械工程學報》編輯部原創內容，歡迎轉載，請聯系授權！

在公眾號后臺留言需要轉載的文章題目及要轉載的公眾號ID以獲取授權!

微信投稿、轉載等：

聯系人：暖暖

電話：010-88379909

E-mail：jme@cmes.org

網 址：http://www.cjmenet.com.cn

官方微信號：jmewechat