2月27日：《机械工程学报》2025年第3期最受关注论文推荐

6

四川大学机械工程学院郭鑫等认为，产品设计是面向用户需求的反复迭代并逐步进化的创造性活动，其核心是多领域知识应用。为了解决产品设计中知识可视化程度低、人机交互下知识推理弱等问题，提高产品设计智能化程度，提出了基于知识图谱(Knowledge graph, KG)技术的产品交互式设计知识应用模型。首先，基于产品设计活动间的作用与交互演进机制，分析产品设计问题与求解知识间的关联关系，构建一种可扩展的多层产品设计知识图谱(An expandable multi-layer knowledge graph for product design, m-KGPD)用以结构化组织多领域、跨学科求解知识，建立知识需求-求解知识信息检索通道。其次，利用数据标注平台doccano开展知识文本标注和模型训练集构建并基于双向编码表征模型-双向长短时记忆网络-条件随机场(BERT-BiLSTM-CRF)模型开展求解知识实体关系抽取，减轻在大规模文本知识提取工作中的人工重复性操作，利用知识图谱可视化平台GraphXR完成图谱搭建。最后，基于交互式遗传算法(Interactive genetic algorithm，IGA)提出满足产品交互式设计演进规律的求解知识集迭代化推理方法，通过人机混合交互方式为产品设计知识需求匹配最优求解知识集。以复杂地形多岩层成孔装备交互设计过程为例，验证了方法的可行性与有效性。

5

广东工业大学省部共建精密电子制造技术与装备国家重点实验室马帅等认为，热误差是电主轴系统误差的主要来源之一，热误差建模是提高系统可靠性的重要手段。电主轴装载刀具加工时，需要在多个方向上运动，导致实时测量困难，难以采集足够的热误差样本。不同工况下的数据分布差异较大，在某一工况下训练的热误差预测模型难以在其他工况下取得满意的预测精度。针对上述问题，提出了一种基于数字孪生和深度迁移学习的电主轴热误差建模方法。首先，建立电主轴系统热行为数字孪生模型，模拟出不同工况下的温度场和热变形数据，缓解实际场景中热误差样本缺失的限制。其次，开发基于领域对抗机制的卷积双向长短期记忆网络，数字孪生模型生成的虚拟数据用作源域，真实数据作为目标域，不同尺度的卷积层构成特征提取器，分别提取源域和目标域温度数据的空间特征，处理多维温度特征的共线性问题。构建双向长短期记忆网络作为预测器，处理温度与热误差的时序关系并输出预测值。同时，结合领域适配的对抗训练技术，利用域判别器混淆两域特征，最小化两域数据分布，提高模型的泛化能力。最后，搭建多源数据协同采集平台，获取不同工况下的真实数据，通过不同迁移任务验证，结果表明：在热误差标签样本缺失的情况下，该方法成功实现热误差建模，具备较好的预测性能。

4

南开大学人工智能学院秦岩丁等认为，面向上肢康复与辅助运动，研制了一款基于气动人工肌肉(PAM)驱动的上肢康复外骨骼机器人。与纯刚性驱动不同，该外骨骼机器人使用PAM与刚性连杆，同时实现了柔顺驱动与高精度运动，有助于降低在康复过程中对用户造成二次伤害的概率。在结构设计上，该外骨骼采用直驱和绳驱相结合的方式，实现了肩肘关节运动的三个自由度。该外骨骼结构紧凑，可以满足可穿戴的要求。完成了该外骨骼的运动学建模，并基于PAM的三元素模型和拉格朗日方法完成了动力学建模。针对PAM的迟滞非线性，将直接逆模型法与自适应投影算法相结合，实现了无须离线建模与求逆的自适应迟滞补偿。最后，通过迟滞补偿实验与抗干扰实验完成了原理性验证。实验表明，研制的外骨骼兼具柔顺性和高运动精度，可以满足上肢康复与辅助运动的需求。

探花

华东理工大学机械与动力工程学院高壮等认为，轻量化设计是航空航天、汽车、医疗等行业的重要需求，在降低能耗、提高性能等方面具有显著优势，增材制造技术通过逐层添加材料可以实现复杂结构的制造，点阵结构与增材制造技术相结合已成为高性能轻量化结构设计与制造的新思路。然而，增材制造点阵结构在服役过程中往往会受到循环载荷，发生疲劳破坏，结构轻量化与抗疲劳的协同仍是制约新一代航空航天等结构研发的难题。介绍了轻量化设计与制造方法，总结了点阵结构设计与制造技术，综述增材制造点阵结构疲劳性能研究进展，指出设计/制造一体化是增材制造点阵结构抗疲劳的可行路线。

榜眼

北京理工大学机械与车辆学院黄思翰等认为，工业4.0阶段，人工智能、大数据、物联网等新兴技术层出不穷，加速推动制造业转型升级，在这个过程中，各类机器人扮演着越来越重要的角色，也为智能制造高质量发展夯实了基础。随着工业5.0的提出，以人为中心的理念逐渐深入人心，催生了人本智造这一新兴领域。人与机器人在智能制造系统中的界限变得越来越不明显，人与机器人自主协同作业研究成为了热点。因此，提出基于大语言模型和机器视觉的智能制造系统人机自主协同作业方法，借助机器视觉和大语言模型的优势提高智能制造系统中人机协同作业的智能化水平。首先，融合机器视觉和深度学习对智能制造系统中人机协同作业过程进行动态精准感知，通过融合YOLO算法和迁移学习来识别作业状态，利用长短期记忆网络和注意力机制准确追踪操作工动作。然后，面向人机协同作业对大语言模型进行微调，建立基于微调大模型的人机协同作业决策框架，为提供机器人自主配合操作工完成动态作业的任务指令，形成人机自主协同作业闭环。最后，通过一个减速器装配案例验证了该方法的有效性。

状元

国防科技大学智能科学学院罗自荣等认为，微型仿生机器人作为尺寸在厘米级及以下的微型机电系统，具有体积小、质量轻、便于携带等特点，被广泛应用于环境探测、目标搜索、侦查打击等复杂环境中。为使广大研究人员了解微型仿生机器人的研究进展，基于全球最大的文摘和引文数据库Scopus对近15年的相关文献进行总结和分析，直观描绘了微型仿生机器人领域的发展趋势。从微型仿生机器人的仿生运动形式、制造技术、驱动技术三个关键点入手，辅以生物机电混合微型机器人特殊研究方向的介绍，总结了微型仿生机器人的总体特征和研究现状。分析目前微型仿生机器人发展的技术瓶颈，提出能源-驱动-感知-控制全柔性一体化的发展思路，同时促进一体化制造技术的创新发展。基于军事和反恐防暴应用背景，充分分析微型仿生机器人的特征优势，进行以微型仿生机器人为核心的作战应用构想，并拓展讨论了微型仿生机器人在民用方面的应用。最后，对现有微型仿生机器人的不足与未来发展进行讨论与总结，为微型仿生机器人技术领域的发展及其军事应用前景提供有价值的参考。

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：杜蔚杰

责任校对：张 强

审 核： 张 彤

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！

欢迎关注机械工程学报视频号~

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