封面介绍
智能制造系统是为了实现特定的价值创造目标，由相关的人、信息系统以及物理系统有机组成的综合智能系统，即人-信息-物理系统（HCPS），其中，物理系统是主体，信息系统是主导，人是主宰。HCPS揭示了智能制造的技术机理，也构成了智能制造的技术体系。实施智能制造的实质就是构建与应用各种不同用途、不同层次的HCPS。
智能制造系统是为了实现特定的价值创造目标，由相关的人、信息系统以及物理系统有机组成的综合智能系统，即人- 信息- 物理系统（HCPS），其中，物理系统是主体，信息系统是主导，人是主宰。同时，HCPS 揭示了智能制造的技术机理，也构成了智能制造的技术体系。实施智能制造的实质就是构建与应用各种不同用途、不同层次的HCPS。伴随着信息技术的发展，智能制造已历经了数字化制造和数字化网络化制造，并正在向数字化网络化智能化制造——新一代智能制造演进。新一代智能制造的本质特征是新一代人工智能技术（赋能技术）和先进制造技术（本体技术）的深度融合，新一代智能制造是第四次工业革命的核心技术。本文从HCPS 视角分析了智能制造系统的进化历程与趋势，重点探讨了面向新一代智能制造的HCPS 的内涵、特征、技术体系、实现架构以及面临的挑战。
信息通信技术（ICT）和网络物理系统（CPS）的快速发展，为智能产品的日益普及铺平了道路。情境感知是衡量产品智能的一个重要角度。与人工制品不同，各种生物系统具有非凡的情境感知能力。生物启发式设计（BID）是最常用的设计策略之一。然而，迄今为止，很少有研究检查过情境感知智能产品的生物启发式设计。本文提出了一个结构化设计框架，用以支持情境感知智能产品的生物启发式设计。本文从产品设计的角度定义了情境感知的概念。该框架以功能-行为-结构理论（the situated function-behavior-structure ontology）为基础开发而成。本文规定了结构化设计过程，借助各种生物启发，支持不同的概念设计活动，如问题形成、结构重构、行为重构和功能重构。一些现有的设计方法和新兴的设计工具被纳入框架。本文提出了一个案例研究，展示了如何利用该框架重新设计机器人吸尘器，使其更具有情境感知能力。
为了在计算机数控（CNC）加工过程中实现零缺陷生产，开发有效的异常检测诊断系统势在必行。然而，由于加工过程中机床和工装的动态条件限制，目前在工业生产中采用的相关诊断系统所能发挥的作用往往非常有限。为了解决这个问题，本文提出了一种全新的异常数据驱动的诊断系统。在该系统之中，我们持续收集随动态加工过程而产生的状态监测功率数据，并以此支持在线诊断分析。为了便于分析，我们设计了预处理机制对所监视的数据进行去噪、标准化以及校准。随后我们即从监控数据中提取关键特征，并定义阈值以识别异常。考虑到加工过程中机床和工装的动态条件，用于识别异常的阈值可以调整。我们还可以基于历史数据利用果蝇优化（FFO）算法优化阈值，以实现更准确的检测。通过实践验证，我们证明了该系统在工业应用中的有效性和巨大前景。
物联网、云计算、大数据和人工智能等新一代信息技术（New IT）的进步极大地推动了智能制造的发展。作为智能制造的重要先决条件，信息物理融合受到了制造商的广泛关注。信息物理系统（CPS）和数字孪生（DT）作为实现信息物理融合的首选手段，已受到学术界和工业界的广泛关注。通过物理过程和信息世界相互影响的反馈循环，CPS和DT都可以赋予制造系统更高的效率、弹性和智能。CPS和DT均包含了信息物理连接、实时交互、组织集成和深度协作的基本内涵。但是，从多个角度来看，CPS和DT并不完全相同，如起源、发展、实践、信息物理映射以及侧重点等。为了辨析两者之间的差异和相关性，本文从多个角度对CPS和DT进行了回顾和分析。
在工业领域，如何在多源工业数据的协作分析中保障源数据的私密性与安全性至关重要。本文提出了一种基于雾计算的工业大数据集成与共享方法（Fog-IBDIS），采用云端与边缘端协作的方式，实现工业数据的分布式本地处理，在多源数据的分析中保障源数据的私密性与安全性。首先，在云端设计了任务流图，将多源数据分析过程分解成多个子任务；其次，设计了子任务管理、编译和运行控制、数据集成传输、基本算法库和管理组件五个模块，实现子任务的本地边缘端处理；最后，本文以大型客机制造过程为例，对Fog-IBDIS的运行过程进行了验证，其通过边缘与云端的协作方式，将多来源数据分析任务分解至本地执行，通过中间结果的传输串联实现工业大数据的分析，可保障原始数据的私密性与安全性。
本文开发了集辅助激光成像系统、紫外/可见波段视觉成像系统（波长小于780 nm）、光谱测量仪、光电传感器的多传感器系统，用以观察和分析激光焊接过程中的焊接状态信息。本文采用小波包分解方法对通过光电传感器获得的可见光波段传感信号和激光反射传感信号进行分解并提取相关特征。光谱仪采集到的信号的主要波长为400~900 nm，将其分为25个子带并采用统计方法来提取光谱信号特征。利用紫外/可见波段视觉成像系统采集的图像获取金属蒸气和飞溅的特征，而辅助照明视觉传感器系统主要是用来采集匙孔特征。本文基于上述焊接过程的实时量化特征建立了焊接状态监测的深度信念网络（DBN），并采用遗传算法对所提出的DBN模型参数进行优化。与传统的反向传播神经网络（BPNN）模型相比，本文建立的DBN模型在焊接状态监测方面具有更高的精度和鲁棒性。最后，本文通过三个附加焊接试验验证了该方法在激光焊接状态监控中的有效性和泛化能力。
随着现代信息技术特别是新一代人工智能技术的发展，智能机床技术迎来了新的发展机遇。本文在中国工程院定义的智能制造三个范式的基础上，系统地阐述了智能机床的概念、内涵、特征和体系架构。揭示了机床从手动机床演化到智能机床的三个阶段（数控机床、互联网+ 机床以及智能机床），详细分析了智能机床的自主感知与连接、自主学习与建模、自主优化与决策和自主控制与执行这四项智能化控制的实现原理，提出了智能机床通过数据学习形成并积累知识的本质特征，独创发明了指令域分析方法、物理和大数据混合建模技术、i 代码和双码联控等关键使能技术。基于以上研究，研制了智能数控系统和智能机床工业样机。通过基于Cyber NC 和双码联控的加工质量优化、基于大数据建模的工艺参数优化和基于深度学习的机床进给系统建模及误差补偿这三个智能化技术应用案例的实践，验证了新一代人工智能技术与制造技术的深度融合，是机床实现从“互联网+ 机床”向“智能+ 机床”演化的便捷有效途径。
面对以智能制造为核心技术的新一轮工业革命，西方工业发达国家制造业企业按照“串联式”技术路径推动升级——从数字化制造到数字化网络化制造，再到新一代智能制造范式。中国作为后发国家，在以智能制造为主攻方向推动制造业从中低端向中高端迈进的背景下，其升级路径更加复杂。中国企业在技术基础上“多化并存”，广大企业特别是中小企业缺乏对智能制造的正确认识，导致部分智能制造项目无法达到预期效果。本研究旨在探索我国企业的智能制造技术升级路线，通过多个案例研究，对中国5个制造业企业智能制造实施案例比较分析，数据来源包括半结构化访谈和档案数据，提出了基于三个基本范式的智能制造技术升级路线分析模型，总结出推进智能制造的技术升级路线——“并行推进、融合发展”。本文所阐释的技术升级路线有利于指导制造企业、决策者和投资者选择适合自己的智能制造推进路径，具有重要的现实意义。
增材制造（AM）能将各种材料制成形状复杂的部件，因此在制造业中越来越受到青睐。选择性激光熔化（SLM）是一种常见的AM技术，它基于粉床熔融法（PBF）来处理金属，但目前只专注于大中型元件的制作。本文综述了微型金属材料SLM的研究现状。与通常用于微观AM的直接写入技术相比，微观SLM由于许多因素而更加具有吸引力，包括更快的周期时间、流程简单性和材料通用性。此外，本文综合评价了利用SLM和选择性激光烧结（SLS）制造微尺度零件的各种研究工作和商业系统，不仅从微观尺度上找出了SLM存在的问题，包括粉末重涂、激光光学和粉末粒度等， 还详细阐述了SLM未来的发展方向。文章详细回顾了粉床技术中现有的粉末重涂方法，并描述了在AM领域实施干粉分配方法的新进展。对AM部件的一些二次整理技术进行了回顾，重点介绍了细微加工特征的应用以及与微观SLM系统的结合。
增材制造，也称为3D打印，由于其与传统减材制造相比具有独特的优势，因而越来越受到学术界和工业界的关注。然而，增材制造工艺参数难以调整，因为这些参数会对打印的微观结构和后续产品的性能产生巨大影响。使用传统的数值分析模型为增材制造建立流程-结构-属性-性能的对应关系也是一项艰巨的任务。而今，机器学习方法已成为执行复杂模式识别和回归分析的一种有效方式，并且它无需构建和处理潜在的物理模型。得益于当前庞大的数据集、计算能力的提高和计算模型的优化改善，神经网络算法成为了机器学习算法中使用最广泛的模型。本文综述了神经网络算法在增材制造全链条中的模型设计、实时监测、质量评价等方面的应用进展。然后，本文概述了当前将神经网络应用于增材制造所遇到的挑战以及针对这些问题的可能解决方案。最后，提出了未来趋势，以对这一跨学科领域进行全面讨论。
为了在镍基高温合金的增材制造（AM）中设计微观组织和显微硬度，本研究提出了一种新的数据驱动方法，该方法结合了物理模型、实验测量和数据挖掘方法。该模拟基于计算热流体动力学（CtFD）模型，可以获得热行为、凝固参数（如冷却速度）和凝固层的稀释率。根据计算出的热信息， 可利用经过充分测试的力学模型估算枝晶臂间距和显微硬度。通过实验测定试样的微观结构和显微硬度，与模拟值进行比较验证。为了实现过程-组织-性能（PSP）关系的可视化，模拟及实验数据集被输入到数据挖掘模型——自组织映射（SOM）中。在多目标下，工艺参数的设计窗口可以从可视化映射中得到。这种被提出的方法可用于AM和其他数据密集型工艺过程。过程、组织和性能之间的数据驱动联系可能会有利于在线过程监控控制，从而获得理想的微观组织和力学性能。
本文建立了基于线迹追踪的三维激光吸收模型，用于描述选区激光熔化（SLM）成形纯钨粉末时激光束与粉末层的相互作用，研究了粉末粒径大小对粉末激光吸收率和吸收行为的影响。本文给出了激光吸收率、粉层吸收辐照度及其分布、激光扫描轨迹的表面形貌和几何特征（如接触角、宽度和高度，以及重熔深度）之间的内在关系。模拟结果表明，粉末层的吸收率大大超过单一的粉末颗粒或致密平板材料的吸收率。随着粉末粒径增加，粉末层吸收的激光能量减少。当粒径为5 μm时，纯钨粉末层的吸收率最大达到0.6030。激光辐照度在粉床颗粒表面的分布与粒径大小、方位角和粉末在基板上的位置有关。当粒径从5 μm增加到45 μm时，粉末层中的最大辐照度从1.117 × 10–3 W·μm–2降低到0.85 × 10–3 W·μm–2，并且位于中心辐照区域的辐照度分布轮廓逐渐收缩。对SLM纯钨扫描轨迹的表面形貌和横截面几何特征进行了研究，结果验证了模拟的粉末激光吸收行为。该工作对线迹追踪模型预测SLM扫描轨迹润湿性和铺展性的应用提供了科学依据，从而更好地获得优异的激光成形性能。
在电子束选区熔化技术（EBSM）工艺中，制造部件的性质受到每一道熔道沉积质量的影响。然而，熔道的形成受到各种物理现象和工艺参数的支配，这些参数之间的相关性十分复杂，难以通过实验得出。近来，介观建模技术已成为模拟电子束（EB）熔化过程以及揭示特定熔道形貌的形成机制的手段。尽管如此，人们对工艺参数与熔道特征之间的相关性尚未有定量的理解。本文从介观模拟的结果出发，研究了熔道的形态特征，同时引入了熔道宽度和高度等关键性描述指标，以便从数值上评估沉积质量。本文还定量研究了各种工艺参数的影响，从而导出了工艺条件和熔道特征之间的相关性。最后，本文提出了一种由介观建模和数据挖掘技术组成的仿真驱动优化框架，并讨论了框架的潜力和局限性。
光催化净水是一种有效的环保方法，可用于消除工业废水中的有毒有害物质。然而，目前使用的TiO2基催化剂仅吸收紫外（UV）区域中的小部分太阳光谱，导致效率降低。在本文中，我们提供了一种MoS2/ZIF-8复合光催化剂，它可以使环丙沙星（CIP）和盐酸四环素（TC）的光催化降解率分别达到1T/2H-MoS2的1.21倍和1.07倍。初步确定了催化过程中CIP和TC的转化产物，金属有机骨架（MOF）被认为是主要的活性物种，其中空穴被认为是MOF中主要的活性物种。MoS2/ZIF-8纳米复合材料的产氢率是MoS2的1.79倍。这项工作通过优化表面纳米异质结结构的构造，为探索原始和高效的1T/2H-MoS2/MOF基光催化剂提供了新的方向。我们发现复合光催化剂经久耐用，其催化性能在稳定性测试下得以保持。因此，1T/2H-MoS2/MOF基光催化剂具有良好的抗生素降解工程应用前景。
本研究开发了一种称为全过程污染控制（WPPC）的成本效益方法，以提高过程优化的有效性。本方法以成本及环境影响最小化为目标，将废物处理作为生产过程的一部分。主要从以下方面开展了研究：①物质能量流调查，基于潜在污染物的分布和理化性质进行系统分析；②过程优化，提高不同元素的利用效率，减少污染物排放；③综合成本评估，揭示最佳优化方案。本研究选择仲钨酸铵生产作为案例，选取成本效益因子和环境影响指标进行不同优化方案的评价比较。本研究表明，考虑到潜在污染物的性质、技术创新、经济可行性、环境影响和法规要求，WPPC可有效地优化金属生产过程。
生物三维打印是一种快速发展的技术，已广泛用于组织工程、疾病研究和药物筛选。它以逐层方式沉积各种类型的生物材料、细胞和生物分子，并能够精确控制它们的空间分布。该技术有望在将来解决器官短缺问题。本文首先介绍了三类生物三维打印策略：喷墨打印、挤出打印和基于光的打印。其次，讨论了包括生物材料和细胞在内的“生物墨水”。再次，系统地总结了生物三维打印在制造实体结构或中空结构的含细胞组织器官的最新进展，包括软骨、硬骨、皮肤、肌肉和血管网络等。随后，综述了利用生物三维打印技术制造药物开发和毒性测试的器官芯片的进展。最后，讨论了当前本领域的主要挑战并展望了未来生物三维打印研究的发展方向。
新能源汽车的核心组成部分为能量存储系统，该系统由多个锂电池模块组成，为车辆传动系统提供主要动力。然而模块中的单体电池由于生产制造的缺陷，在性能上往往表现出差异。这些差异的存在会导致电池模块的不完全充放电以及温度分布的不均匀，进而导致循环寿命和电池容量随着时间的推移而降低。为解决这一问题，本工作采用实验和数值方法对性能相似的电池进行了全面的聚类研究，从而得到了电化学性能更好的电池模块。首先通过模块拆解实验来测量电池性能参数，并基于k-均值聚类与支持向量聚类算法设计电池模块，每个模块均由12块电池组成。然后在风冷条件下测量一定时间内电池模块的实际温升，验证聚类设计的效果。研究发现第三类（支持向量聚类）电池模块的性能最佳，充放电最高观测温度为32 ℃。相比之下，其他电池模块的最高温度值要更高：第一类（厂家原装）电池模块为40 ℃，第二类（厂家原装）电池模块为36 ℃，以及第四类（k-均值聚类）电池模块为35 ℃。
合成生物学正朝着大规模、复杂化的方向发展，这在很大程度上依赖于基因模块的高效组装。传统评估DNA组装效率（AE）的方法需要进行转化，整个过程耗时长达10 h，而且容易受到各种因素的干扰。为快速、可靠地测定组装效率，本研究建立了一种基于qPCR的不依赖于转化的测定方法，用连接上的片段占初始加入片段的比例表征组装效率，3 h即可完成测定。利用该方法测定了酶切连接、Golden Gate组装以及Gibson组装法的双片段或多片段组装效率，所得结果与菌落计数法表征的组装效率呈显著正相关。该方法消除了转化过程的随机性，降低了测定偏差，优于传统的菌落计数法。随后，用此方法研究了DNA片段末端的二级结构对组装效率的影响。结果显示，所有依赖于末端序列互补的组装技术，其组装效率主要受重叠序列整体性质的影响，而发夹结构可显著降低组装效率。这种基于qPCR的测定方法将促进DNA组装技术的发展，并有助于对组装效率影响因素的评估。