專欄導讀

當前，制造業正面臨著從技術驅動向價值驅動發展的升級轉變。雖然高端裝備制造企業嘗試利用自動化、信息化和數字化等領域的先進技術挖掘工業數據，但通用性的數據挖掘技術仍難以獲得領域性的專用知識以支持制造過程的革新與裝備性能的提升。人類的經驗和知識、分析和決策等認知能力仍在智能制造中扮演不可或缺的角色，將人類的認知機理與工業智能系統融合，已成為工業5.0新時代高端裝備設計、制造和運維關注的重點，即利用人類高層次的認知能力彌補計算機處理不確定性信息的不足，同時利用計算機的運算能力突破人腦認知過程的記憶容量和推理能力限制。因此，以人類的認知機理為依據，研究新一代認知計算、強化學習、知識圖譜支持的人機混合智能關鍵算法，通過人機聯合認知賦能高端裝備創新設計、制造過程動態優化、人-機器人認知協同、預防性維護以及全生命周期智能決策，對提升工業智能系統的自我學習、自我優化和自我修復等能力具有重要意義。

《機械工程學報》編輯部特邀浙江大學譚建榮院士、瑞典皇家理工學院王力翚院士、美國新澤西理工學院周孟初院士擔任客座主輯，浙江大學馮毅雄教授、浙江大學彭濤副教授、香港理工大學鄭湃副教授、新加坡南洋理工大學婁山河博士后研究員擔任客座編輯，共同策劃出版“人機聯合認知賦能的高端裝備設計、制造與運維”專欄，廣邀本領域專家學者結合自身科研實踐，介紹最新研究進展、總結學科發展脈絡及面臨的挑戰，在廣泛開展學術交流，促進科研成果傳播的同時，吸引更多的青年科學工作者參與，探討以人為本的可持續、高穩健的高端裝備研制基礎理論、關鍵技術及應用服務，推動高端裝備創新和質效躍升。專欄共收錄論文13篇，本期推送后6篇。專欄已于《機械工程學報》2025年3期正式出版。

客座專家團隊

譚建榮，中國工程院院士，浙江大學求是特聘教授、博士生導師。現任浙江大學設計工程及自動化系主任、浙江大學流體動力與機電系統國家重點實驗室學術委員會副主任、浙江大學CAD&CG國家重點實驗室學術委員會委員，兼任中國機械工程學會機械設計分會理事長，中國圖學學會名譽理事長、教育部工程圖學教學指導委員會主任。先后獲首屆“國家杰出青年科學基金”、“中青年圖形科技跨世紀人才”、國務院政府特殊津貼、“浙江省重點學科帶頭人”、“浙江省‘151’人才工程第一層次”、“浙江省新世紀重點培養人才”、國家863計劃自動化領域CIMS主題設計自動化專題專家、國家“百千萬人才第一二層次”、“科技部十五863先進個人”、“科技部十一五國家科技計劃執行突出貢獻獎”等榮譽和稱號。提出了多品種大批量定制設計技術、多性能數字化樣機設計技術和多參數分析與匹配設計技術，研究成果獲國家技術發明二等獎和國家科技進步二等獎5項，省部級科技進步一等獎7項，教學成果獲國家級優秀教學成果獎3項，其中一等獎1項，二等獎2項。

王力翚，加拿大工程院院士，瑞典皇家理工學院講席教授兼卓越生產研究中心主任。研究方向包括人機協作、實時監測和控制、信息物理系統和自適應制造系統等。Robotics and Computer-Integrated Manufacturing, International Journal of Manufacturing Research, Journal of Manufacturing Systems的主編。累計出版11本著作，發表700多篇論文。加拿大工程院院士，AET、CIRP、SME和ASME的會士；北美制造研究院（North American Manufacturing Research Institution）原院長(2020-2021)，瑞典生產學院（Swedish Production Academy）原院長(2018-2020)。2020年SME智能制造領域最具影響力的20位教授之一，在2024年美國制造工程師學會SME評選中成為唯一一位金獎獲得者。

周孟初，美國新澤西理工學院教授（Dist. Prof.），美國國家發明家科學院(NAI)院士，IEEE Fellow，IEEE半導體工廠自動化專業委員會創始主席。2000年獲德國洪堡基金會美國資深科學家洪堡研究獎和中–美科學技術學會領導獎，2001年獲英國劍橋國際人才中心第一屆21世紀杰出科學家稱號，2003年當選國際電機電子工程師學會會士（IEEE Fellow），2004年獲IEEE系統人與控制論學會杰出貢獻獎，2011年當選AAAS會士，2013年當選IFAC會士，2015獲全球控制論最高獎項Norbert Wiener Award，2019年獲新澤西理工學院卓越研究徽章。發表12本專著，700余篇論文(含600余篇IEEE Trans. 論文)，380余篇會議論文，31項國際專利，創辦并主編IEEE Press系統科學與工程叢書系列。

馮毅雄，貴州大學/浙江大學教授、博士生導師，全球前2%年度影響力頂尖科學家，教育部長江學者特聘教授，國家重點研發計劃項目首席科學家，國家優秀青年基金獲得者，流體動力基礎件與機電系統全國重點實驗室副主任，設計工程及數字孿生浙江省工程研究中心副主任，浙江大學-中廣核先進能源裝備數字化設計與系統工程聯合研發中心主任。主持國家重點研發計劃項目，國家自然科學基金重點項目，國家863計劃重點項目，國家科技重大專項；發表SCI收錄論文150余篇，出版【智能設計：理論與方法】、【數據驅動設計】、【設計知識：建模、演化與應用】、【大批量定制技術：產品設計、制造與供應鏈】、【核電裝備全生命周期價值鏈協同理論、平臺與實踐】等學術專著5部，獲2023年國家科學技術學術著作出版基金，授權國家發明專利50余項；獲國家技術發明二等獎1項，國家科技進步二等獎1項，省部科技進步一等獎9項。中國機械工程學會工業大數據與智能系統分會副主任委員，中國圖學學會應用圖學專業委員會副主任委員，中國國土經濟學會區域大數據專業委員會副主任委員，中國機電一體化技術應用協會綠色智能制造委員會副理事長。

彭濤，博士，浙江大學機械工程學院副教授、學院國際化建設中心主任、工業工程研究所副所長、工業與系統工程系副系主任。連續五年入選全球前2%的科學家（2020-2024）。目前擔任IET Collaborative Intelligent Manufacturing、 Cleaner Engineering and Technology期刊副主編，Journal of Manufacturing Systems、Sensors和Green Manufacturing Open編委和多本SCI期刊特邀編輯。

鄭湃，香港理工大學長聘副教授、博士生導師，黃鐵城【智能機器人】青年學者席，“香港理工大學-萊茵科斯特”智能制造聯合實驗室主任。主要研發興趣包括：人機協作制造系統、智能產品服務系統、工業人工智能。入選2024年國際制造工程師協會 (SME) “杰出青年制造工程師”獎，2023年香港理工大學“青年創新研究者”獎，2022年百度全球AI華人青年學者榜單(AI+X) 50強。累計出版英文專著2部，發表SCI一區100余篇，WoS他引4800余次，ESI高被引論文11篇。IEEE/CMES高級會員、SME/ASME會員、CIRP青年會員，任Journal of Intelligent Manufacturing和Journal of Cleaner Production副主編，Journal of Manufacturing Systems和Advanced Engineering Informatics編委。

婁山河，2021年獲得浙江大學機械設計及理論專業博士學位，2022年至今在新加坡南洋理工大學擔任博士后研究員。主要從事人機互認知的產品創新設計與智能制造研究，擔任新加坡南洋理工-德國大陸集團聯合實驗室項目技術負責人，作為核心人員參研多項國家重點研發計劃。在IEEE T IND INFORM, IEEE T AUTOM SCI ENG, IEEE T INTELL TRANSP, J IND INF INTEGR, ROBOT CIM-INT MANUF，機械工程學報等領域權威期刊發表論文40余篇，參與編撰【人機聯合認知的產品正向設計】、【智能設計：理論與方法】、【數據驅動設計】等學術專著。榮獲中國圖學學會優秀博士學會論文獎、浙江大學優秀博士學位論文獎、IEEE CIS-RAM最佳論文獎，擔任機械工程學報、計算機集成制造系統、 IEEE SMC conference客座編輯和Exploration、Brain-X青年編委。

01

人本智造單元中人-智能系統協同雙智能體工作機制研究

引用格式:李嘉佳, 易茜, 馮毅雄, 朱鵬興, 易樹平. 人本智造單元中人-智能系統協同雙智能體工作機制研究[J]. 機械工程學報, 2025, 61(3): 105-118.

論文亮點：

• 智能制造單元面臨的挑戰：當前以技術驅動的智能制造單元面臨動態環境應對靈活性不足、非典型生產干擾應對困難以及多場景集成決策受限的問題；

• 提出的雙智能體工作機制：為解決上述問題，提出了一種人-智能系統協同的雙智能體工作機制，包含增強感知、溝通交互、動態反饋、協同智能決策、持續學習和自適應等關鍵要素，旨在促進人與智能系統的有效協同；

• 應用案例與驗證：通過某重載車輛變速箱箱體智能制造單元的故障排除案例，展示了雙智能體工作機制在非典型場景下的有效性，特別是在狀態監測、故障診斷與排除、恢復與驗證以及持續學習與改進等方面的應用。

閱讀全文：

02

復合故障退化情形下基于自適應非線性狀態估計的裝備狀態監測健康指標

引用格式:裴雪武, 李新宇, 高亮, 高藝平, 陳志敏. 復合故障退化情形下基于自適應非線性狀態估計的裝備狀態監測健康指標[J]. 機械工程學報, 2025, 61(3): 119-129.

論文亮點：

• 復合故障退化情形的挑戰：現代機械裝備在長期惡劣工況下容易發生多連級故障，形成復雜的復合故障退化過程。傳統的健康指標通常無法適應這種多故障場景下的狀態監測；

• 基于自適應非線性狀態估計（ANSE）的健康指標構建方法：為解決這一問題，提出了一種基于ANSE的裝備狀態監測健康指標（HI）構建方法，包括初期故障瞬態檢測和早期故障精準定位。該方法通過希爾伯特奇異值分解（Hilbert-SVD）構建奇異值特征序列，并利用非線性狀態估計重構誤差特性放大初始故障與正常樣本之間的差異；
  

• 方法驗證與工程應用：通過兩個復合故障退化情形下的軸承數據集驗證了所提方法的有效性與魯棒性，并在風機主軸承數據集上進行了工程驗證。結果表明，所提方法能有效檢測裝備的初期故障，并能夠表征整個退化過程，展示了其強大的狀態監測能力。

閱讀全文：

03

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

引用格式:黃思翰, 陳建鵬, 徐哲, 閻艷, 王國新. 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[J]. 機械工程學報, 2025, 61(3): 130-141.

論文亮點：

• 智能制造與工業5.0的背景：隨著工業4.0階段新興技術（如人工智能、大數據、物聯網等）的發展，制造業正在加速轉型升級。工業5.0提出了以人為中心的理念，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逐漸模糊；

• 基于大語言模型與機器視覺的人機自主協同作業方法：為了提高人機協同作業的智能化水平，提出了一種結合大語言模型和機器視覺的智能制造系統方法。該方法利用機器視覺和深度學習進行動態精準感知，通過YOLO算法、遷移學習、長短期記憶網絡和注意力機制來識別和追蹤操作工動作；

• 微調大語言模型以增強人機協同決策：針對人機協同作業，微調大語言模型，建立了一個基于微調大模型的協同作業決策框架，為機器人提供動態任務指令，實現與操作工的自主協同作業。通過減速器裝配案例驗證了該方法的有效性。

閱讀全文：

04

人機混合交互的產品設計知識圖譜構建及智能推理方法

引用格式:郭鑫, 黃澤川, 王杰, 張凱, 趙武. 人機混合交互的產品設計知識圖譜構建及智能推理方法[J]. 機械工程學報, 2025, 61(3): 142-153.

論文亮點：

• 產品設計中的知識可視化與人機交互問題：產品設計是一個面向用戶需求的反復迭代的創造性過程，然而在此過程中，知識可視化程度低和人機交互中的知識推理弱等問題制約了設計的智能化水平；

• 基于知識圖譜的交互式設計知識應用模型：為提高產品設計智能化，提出了一種基于知識圖譜（KG）技術的交互式設計知識應用模型。該模型通過構建多層次可擴展的產品設計知識圖譜（m-KGPD），結構化組織多領域、跨學科的求解知識，并通過BERT-BiLSTM-CRF模型提取求解知識的實體關系，減輕人工重復性工作；

• 交互式遺傳算法（IGA）在設計過程中的應用：通過交互式遺傳算法（IGA），提出了一個滿足產品交互設計演進規律的求解知識集迭代推理方法。該方法通過人機混合交互的方式，幫助匹配最優的求解知識集，以提升設計效率和智能化水平。通過復雜地形多巖層成孔裝備的設計過程驗證了該方法的有效性。

閱讀全文：

05

FCN優化GA的飛行模擬座艙意象仿生視覺焦點預測模型

引用格式:陳國強, 申正義, 楊宇馳, 李騰, 徐麗. FCN優化GA的飛行模擬座艙意象仿生視覺焦點預測模型[J]. 機械工程學報, 2025, 61(3): 154-166.

論文亮點：

• 飛行模擬座艙視域認知問題：飛行模擬座艙的視域認知聚合性較低是影響飛行訓練效率的關鍵問題之一。為了解決這一問題，提出了基于全卷積神經網絡（FCN）優化遺傳算法（GA）的飛行模擬座艙意象仿生視覺焦點預測模型；

• FCN優化GA模型的構建與應用：該方法通過眼動儀興趣區域和色格鑲嵌方式確定座艙視域分區，并借助FCN模型預測生物外形本征視覺焦點熱力圖與數字矩陣，計算視覺認知評分，進而優化座艙視域的認知聚合性。此外，利用GA優化表征分區簡圖，進一步提高設計方案的視覺認知匹配；

• 優化設計的驗證與效果：通過訓練FCN模型和應用GA對座艙視域進行優化，結果表明，優化后的設計方案能顯著提高座艙視域的認知聚合性，增強駕駛員的視覺認知與主觀認知的匹配性，從而提升飛行模擬訓練的效率。

閱讀全文：

06

基于混合概率運動基元的機器人軌跡魯棒性建模

引用格式:蘇永彬, 劉暾東. 基于混合概率運動基元的機器人軌跡魯棒性建模[J]. 機械工程學報, 2025, 61(3): 167-177.

論文亮點：

• 軌跡離群問題與解決方案：大作業半徑機器人在演示學習過程中可能出現軌跡離群問題，導致演示軌跡的質量下降。為此，提出了一種基于混合概率運動基元的魯棒性建模方法，結合動態時間規整和映射矩陣路徑尋優技術，解決了軌跡點分布質量差、動作卡頓及速度不均等問題；

• 混合概率運動基元模型的構建：該方法通過設定置信區間和軌跡點數量閾值，對軌跡樣本進行聚類與權重分配，利用聚類結果和權重參數構建混合概率運動基元模型，從而抑制離群軌跡對模型參數的偏移，提高模型的魯棒性；

• 實驗驗證與效果評估：通過手寫字母軌跡和實際機械臂上料軌跡的演示學習實驗，結合平均弗雷歇距離和平均歐氏距離對模型可靠性進行定量評估。實驗結果表明，所提方法相比傳統的概率運動基元模型和高斯混合模型，能有效約束離群軌跡的影響，展示了更強的魯棒性，且在大作業半徑的工業機器人領域具有較好的應用前景。

閱讀全文：

責任編輯：杜蔚杰

責任校對：張 強

審 核：張 強

JME學院簡介

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。首任院長是中國機械工程學會監事會監事長、《機械工程學報》中英文兩刊主編宋天虎。

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JME學院視頻號~

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