9月16日：《机械工程学报》2023年第12期最受关注论文推荐

6

江苏大学汽车工程研究院徐兴等指出，为进一步提升复杂行驶工况下配备空气悬架商用车的综合隔振性能，提出一种基于准零刚度空气悬架新构型的阻尼控制方法。首先，结合气体热力学、悬架动力学理论建立准零刚度空气悬架系统非线性模型，将悬架非线性恢复力表达式通过Taylor级数展开，把1/4车辆准零刚度空气悬架半主动控制模型归纳为考虑刚度参数不确定的线性系统。其次，引入Lyapunov稳定性理论，构建考虑悬架簧载质量加速度、动行程及轮胎动载荷的多目标性能输出指标并考虑受限约束，采用线性分式变换设计H∞状态反馈控制策略，同时设计基于车身高度传感器为输入的Luenberger状态观测器，并将控制律设计问题转化为线性矩阵不等式的凸优化问题。最后，仿真和硬件在环实验结果表明，所提出的准零刚度空气悬架结构及半主动控制方法行之有效，能在不牺牲悬架动行程和少牺牲轮胎动载荷的前提下大幅降低簧载质量加速度，提升商用车悬架多目标综合性能。

5

东南大学大型发电装备安全运行与智能测控国家工程研究中心卞文彬等指出，滚动轴承是风电机组关键部件，其运行工况复杂，故障类型难以准确识别。针对传统深度神经网络在强噪声环境下特征学习能力不足的问题，提出一种基于稠密连接模块的改进深度残差收缩网络(Deep residual shrinkage network based on dense block，DB-DRSN)，实现强噪声、不同负载工况下滚动轴承故障的高效诊断。首先，将添加不同等级噪声的振动信号间隔采样并矩阵化，构建二维灰度图作为输入样本。然后，基于Dense block构造稠密连接残差收缩模块层(Residual shrinkage block unit based on dense block，DB-RSBU)，利用Bottleneck层替代残差收缩模块中的卷积隐层，并加入Concat连接，达到对浅层和深层特征的充分利用。在每次稠密连接后通过1×1卷积进行降维，利用注意力模块和软阈值对逐通道特征赋不同阈值并降噪。最后，输入样本经过卷积池化层和DB-RSBU层堆叠的网络得到分类结果。试验表明，DB-DRSN模型在CWRU与PU滚动轴承数据集上不同噪声等级下的平均诊断准确率分别达到99.80%和96.44%，相比其他模型有更高的准确率、更快的收敛速度和更强的抗干扰能力。引入稠密连接核心思想对网络结构的改进可为基于数据驱动的风电机组滚动轴承故障诊断方法提供新思路。

4

河海大学机电工程学院顾文斌等指出，智能制造系统采用了物联网等大量先进信息技术，使得车间积累了大量的实时生产数据。同时，复杂制造系统在运行过程中容易出现一系列干扰事件，这对车间实时响应能力提出了更高的要求。因此，在工业大数据支撑的制造环境下，针对考虑序列相关设置时间和阻塞的混合流水车间调度问题(Hybrid flow shop scheduling problem with sequence-dependent setup times and blocking, HFSP-SDST-B)，提出一种基于深度强化学习的实时调度方法，从而实现制造资源的合理分配和完工时间最小化。作为一个序列决策问题，HFSP-SDST-B可以被建模为一个马尔科夫决策过程。在每个调度点，智能体根据当前的生产状态选择相应的调度规则，从而进行合理的工件排序和机器分配。为了实现生产数据驱动的实时调度方法，依次设计考虑阻塞因素的调度点、通用生产状态特征、基于遗传规划的启发式规则和奖励函数。然后提出一种基于近端策略优化算法的训练方法，从而让智能体构建状态与规则之间的有效映射。最后试验结果表明，与现有的动态调度方法相比，该方法具有优越性和通用性，并且通过学习能够有效处理随机扰动时间和新订单插入的未知情况。

探花

湖南大学机械与运载工程学院邵海东等认为，可用故障数据的匮乏给时变转速下转子-轴承系统的端到端故障诊断带来严重挑战，生成对抗网络为解决小样本故障诊断问题提供新思路，但其仍存在梯度消失、全局关联特征学习能力较弱和训练效率较低等缺点。因此，提出一种双阈值注意力生成对抗网络，用于生成高质量的红外热成像图片，以解决时变转速下转子-轴承系统的小样本故障诊断难题。首先，结合Wasserstein距离和梯度惩罚设计新型对抗损失函数，避免训练过程中的梯度消失。其次，构建注意力嵌入的生成对抗网络以指导学习红外热成像图片的全局热力关联特征。最后，开发双阈值训练机制进一步提高生成样本质量和训练效率。将所提方法用于分析转子-轴承系统的实测红外热成像图片，结果表明，所提方法能辅助准确诊断时变转速及小样本下的不同故障模式，性能优于目前常用的生成对抗网络方法。

榜眼

哈尔滨工业大学机电工程学院闫纪红等指出, 数字孪生技术为车间生产全生命周期的监控和自主决策预测提供理论结构框架，推进车间数字化、智能化转型。从数字孪生架构体系的物理实体融合、数据交互、虚拟实体搭建、模型自主更新以及决策预测五个方面，针对实际车间普遍存在的数据交互延迟和物理空间动态扰动问题，搭建大数据环境下基于状态转移的数字孪生车间模型体系架构，提出基于状态的孪生模型自适应更新策略方法和考虑工件优先级、返修和插单的自决策调度算法。结合加工过程产生的阶段数据和历史大数据，更新数字孪生模型的数据结构和运行规则，同步实际生产状态，提供合理的再调度策略，获得可信的生产预测结果。以某航空非标产品机加为例，搭建所提出的数字孪生模型，利用状态间隔产生的数据更新模型，生成和验证返修件再调度方案，证明了数字孪生模型的有效性。

状元

东华大学人工智能研究院汪俊亮等指出，随着5G、物联网(Internet of things, IoT)和云计算等技术的发展，制造系统中数据的体量持续增长，并涌现出了全新的大数据特性与内涵，逐渐成为支撑制造系统运行优化的关键要素。为了进一步释放制造大数据的要素红利，对制造大数据分析方法展开综述，理清制造大数据的内涵，梳理大数据分析方法的发展历程，归纳制造大数据分析的应用，总结挑战与发展趋势。首先，从制造大数据的特点、数据密集型科学的内涵、大数据驱动的智能制造系统新模式三方面论述了制造大数据的新内涵；接着，从支撑技术与方法特点，对制造领域的大数据分析方法的发展历程进行回顾。然后，从产品设计、生产调度、产品装配、质量优化、设备运维和制造服务六个关键应用领域，对大数据分析方法在智能制造中的应用进行综述。最后，讨论制造大数据分析方法面临的挑战，展望未来大数据分析方法的发展方向，以期激发制造大数据分析方法的新思维、新理论，并推进制造大数据技术进一步发展。

对以上文章感兴趣的读者可以点击题目，或在文后点击“阅读原文”在官网浏览。

责任编辑：赵子祎

责任校对： 恽海艳

审 核： 张 强

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！我们《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

版权声明：

本文为《机械工程学报》编辑部原创内容，欢迎转载，请联系授权！

在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!

微信投稿、转载等：

联系人：暖暖

电话：010-88379909

E-mail：jme@cmes.org

网 址：http://www.cjmenet.com.cn

官方微信号：jmewechat