第三屆人本智造學術會議特別論壇Ⅱ-碩博菁英論壇報告簡介

人本智造是將以人為本的理念貫穿于智能制造系統的全生命周期過程。隨著產業數智化進程的發展，個性化需求驅動下的智能制造正加速向“以人為本”的范式轉變，為進一步促進人本智造的創新發展，“第三屆人本智造學術會議”擬定于2025年10月31日-11月2日在北京舉辦，本次會議將通過學術活動和成果展示，交流人本智造領域的最新研究和應用進展。

01

會議信息與會議組織

時間：

2025年10月31日-11月2日 (周五-周日)

地點：

北京友誼賓館

地址：

北京中關村南大街1號

會議議程

10月31日

（周五）

注冊報到

11月01日

（周六）

上午

開幕式、大會報告

下午

分論壇報告

11月02日

（周日）

上午

大會報告、頒獎閉幕

下午

參觀、返程等

會議注冊及繳費

2025年10月18日前早鳥價（含），教師或企業人員2500元/人，學生1800元/人；2025年10月18日后，教師或企業人員3000元/人，學生2400元/人。會議住宿和交通費自理。

會務聯系人：黃老師18611702891

財務聯系人：華經理17706810050

會議網站：

注冊二維碼

對公轉賬（轉賬備注“人本”、姓名和單位）

公司名稱：杭州未來智構會展有限公司

開戶銀行：寧波銀行股份有限公司杭州分行

銀行賬號：71010122002685750

推薦酒店

01

北京友誼賓館(主會場)

大床房和標間均為550（單早），房間緊張，請盡快掃碼預定

馬經理：13581603566

02

北京新世紀飯店

(距離主會場3km，安排班車接送)

標間500（不含早）、大床房580（不含早），請掃碼預定：

李經理：13910778088

02

特別論壇Ⅱ-碩博菁英論壇報告

(10月31日晚上)

召集人：劉庭煜、丁凱、胡中旭

主席：劉承寶、韓永明、王延杰、李孝斌

報告概覽：

報告人及報告簡介

褚佳琦 博士研究生

報告人：褚佳琦，中國科學院自動化研究所計算機與應用專業直博生，本科就讀于北京郵電大學。研究興趣包含多變量時間序列預測、知識增強的大模型應用等。發表SCI論文2篇、EI會議1篇，在投SCI論文2篇，申請國家發明專利3項。曾獲得北京市優秀畢業生、優秀團干部、三好學生等榮譽稱號。

報告題目：賦能人本決策：知識增強大模型驅動的工業指標智能感知與預測方法報告摘要：人本智造以“以人為本”為核心，工業指標的動態感知與精準預測是賦能人機協同決策、優化生產穩定運行的關鍵支撐。現有深度模型依賴大規模數據訓練，難以適配個性化生產場景下的少樣本需求，且與操作人員的決策邏輯脫節。受預訓練大模型跨模態能力啟發，我們提出一種面向復雜制造場景的知識增強大模型框架，通過對齊時序表征與模型語義空間，并融合多變量因果關聯等多源知識，輔助模型捕捉工業指標的復雜時序依賴。該方法實現了工業指標的高精度預測，并在少樣本/零樣本場景下保持強泛化能力，為人本智造中的智能決策提供可靠技術支撐。

黃銘 博士研究生

報告人：黃銘，男，1999年出生，博士研究生，北京理工大學機械與車輛學院工業與智能系統工程研究所；目前圍繞復雜工業場景下機器人化制造系統管控、機器人集群控制、人機協作優化、深度強化學習等方面開展研究；以第一作者發表多篇學術論文，包括IEEE Transactions on Fuzzy Systems、Computers & Operations Research、機械工程學報等期刊；IEEE學生會員。

報告題目：面向人機協作的超高柔性機器人化制造系統優化：一種多目標多智能體深度強化學習方法

報告摘要：在全球制造業邁向工業5.0的進程中，智能機器人應用與人機共融成為當前熱點。針對由移動加工機器人集群組成的機器人化制造場景，將人類的靈活創造性與機器人的高精度智能化執行深度融合或將成為未來制造新形態。其中機器人的可移動性和柔性，致使加工工位選擇具備了極大的靈活性，再疊之人機柔性配置使得該制造形態表現出超高柔性特點。本報告以最大完工時間和人員工時均衡為優化目標，針對工件排產、工位選擇以及人機配置構建決策智能體，提出一種多目標多智能體深度強化學習，為面向人機協作的超高柔性機器人化制造系統優化提供解決途徑。

武對娣 博士研究生

報告人：武對娣，香港理工大學研究助理、上海交通大學博士生。以第一作者發表及在投SCI期刊論文6篇（含中科院一區3篇），以主要發明人授權專利3項。曾獲博士生國家獎學金、中國大學生自強之星、上海交通大學三好學生、優秀學生干部等榮譽。

報告題目：邁向多模態無縫人機協作：生成式AI驅動的少樣本感知與技能學習

報告摘要：工業5.0強調以人為中心的智能制造與主動式機器人協作，而大模型的迅速發展正在重塑自動化格局。然而現有系統對非結構化環境的適應性較差，且難以滿足工業力控靈巧操作及安全性要求。本研究旨在構建面向制造場景的具身智能：融合視覺–語言–時間的意圖識別方法建立人-機語義溝通的橋梁；語言增強的強化學習利用大模型生成優化的獎勵函數；虛擬現實輔助的端到端模仿學習實現精細裝配技能遷移，為生成式人工智能驅動的人機協作提供了可擴展路徑與理論參考。

黃澤川 博士研究生

報告人：黃澤川，四川大學機械工程學院博士生，研究方向為以人為本的產品設計方法與知識圖譜應用。在讀期間，構建了面向設計領域的多層知識圖譜框架，并結合產品設計與工藝設計提出問題求解與方案推薦工具。

報告題目：以人為本下面向宏觀工藝規劃的多層知識組織框架

報告摘要：在智能制造轉型過程中，制造工藝設計面臨知識分散、經驗依賴強以及設計意圖與工藝意圖映射偏差等突出問題，導致工藝方案復用效率低、推理缺乏一致性與可追溯性。針對這些挑戰，本研究提出了一種以人為本的制造工藝知識組織與推理方法。通過構建多層知識圖譜（mKGMPP），將工藝文檔與數字模型中的知識進行系統化整合，圍繞4M1E要素實現工藝內在知識的組織，并基于TQCSE建立多維度的關聯與評價機制。在此基礎上，開發了面向人機交互的工藝推理系統（IMPP），能夠在數字模型驅動下完成工藝方案的檢索、篩選與優化。該方法不僅利用機器的高速計算和結構相似性匹配能力，更強調人的認知參與與決策優勢，實現了高效性與解釋性的統一。

張益榕 博士研究生

報告人：張益榕，長安大學博士一年級研究生，師從丁凱教授。主要研究方向為人機協同、人機混合智能、深度學習在人機協同中的應用。

報告題目：基于大語言模型的零樣本人機協同裝配進度識別

報告摘要：在智能制造與柔性裝配場景中，準確且自適應的裝配進度識別是實現高效人機協同的關鍵。傳統方法嚴重依賴大量標注數據與專用模型訓練，難以應對任務頻繁更迭與組件多樣化的動態環境。為應對這一挑戰，本研究探索基于大語言模型的零樣本視覺-語言推理方法。該方法無需引入任何新組件或裝配步驟的訓練樣本，僅通過輸入裝配文本序列與實時場景圖像，借助模型的跨模態語義理解與推理能力，實現當前裝配狀態的自動識別與判斷。

萬嘉昊 博士研究生

報告人：萬嘉昊，北京航空航天大學機械工程及自動化學院2023級博士生，導師為北航具身智能機器人研究院陶永教授。主要研究方向為移動操作機器人的人機協作安全運動規劃算法、具身智能靈巧操作等。聚焦工業與服務場景中機器人與人類的安全高效交互問題，研究安全姿態場框架、利手性感知軌跡優化等方法，相關成果已發表SCI、EI論文3篇。后續將進一步融合視觸覺等多模態感知，研究人機信任動態建模與機器人主動協作策略，深化具身智能靈巧操作在精密裝配、家庭服務等場景的適配，探索人機共融系統向更智能、更自然的方向演進。

報告題目：人本導向下的人機共融安全運動規劃與具身智能應用

報告摘要：人本智造要求機器人從“工具”演進為“伙伴”，其核心在于構建以人為中心的安全運動規劃與具身智能閉環。本研究立足人本導向，在安全運動規劃層面，通過對人類利手性等固有生理學特性的感知，量化操作員個體差異，構建安全姿態場融合人體運動預測，實現動態環境下的自適應避障；在具身智能應用層面，將優化后的人機交互數據作為高質量協作經驗，賦能機器人通過模仿學習等實現技能進化，為構建人機雙向適配、安全高效共生的人本智造系統探索可落地的前言技術方案。

趙明瑞 博士研究生

報告人：趙明瑞，南京航空航天大學機械電子專業在讀博士生。研究方向為智能制造與人機交互，側重增強現實與柔性生產系統設計。具有國防項目研發經歷，參與電子艙狹小空間裝調的工藝優化與系統集成，負責電子艙裝調的檢測/引導/控制閉環實現。

報告題目：面向電子艙狹小空間的人機交互智能裝調

報告摘要：針對導彈電子艙“空間極端受限、視野遮擋嚴重、一次合格率要求高”的裝調難題，構建了“檢測—引導—控制”一體化的人機交互智能裝調系統。系統以五維數字孿生為組織中樞，耦合改進YOLO的微小目標檢測、語義分割與工業異常檢測，實現錯漏裝、引腳彎曲、線纜彎曲半徑等質量要素的在線量測；AR模塊將三維工藝與檢測回執疊加到實景，實現步驟化低負荷引導；孿生控制在虛擬域安全下發至物理執行端，形成“虛擬預判—現場執行—視覺校核—雙向修正”的閉環。

田詩晨 博士研究生

報告人：華中科技大學博士研究生，主要研究方向為裝配作業車間調度、資源約束下復雜產品的裝配車間調度。曾獲中國研究生數學建模競賽一等獎、IEEE進化計算大會競賽冠軍，以第一作者發表SCI/EI收錄論文5篇。

報告題目：總裝拉動生產模式下的分布式裝配作業車間多目標調度方法

報告摘要：在實際生產中，由于裝配工藝復雜、配置需求多樣，大型復雜產品的交付往往采用訂單驅動的總裝拉動生產模式，通過分布式加工和集中裝配的模式完成生產。因此，對機器速度可調的分布式裝配作業車間調度問題進行了研究，以最小化最大完工時間和總能耗為優化目標，提出了一種帶變鄰域搜索的非支配排序遺傳算法，分別面向兩個優化目標設計了不同的機器速度調整策略。實驗結果表明所提算法框架和局部搜索方法均能有效改善調度方案。

支鈺鑫 碩士研究生

報告人：支鈺鑫，鄭州輕工業大學機械工程專業碩士研究生。研究方向為基于數字孿生的人機協作隨動控制，專注于在數字孿生場景下對人機協作系統的隨動控制與交互優化。

報告題目：基于數字孿生的人機協作裝配疲勞檢測與優化方法

報告摘要：本研究面向工業5.0“人本智造”理念，提出了基于數字孿生的人機協作裝配疲勞檢測與優化方法。構建了物理裝配空間、高負荷工位識別、人體疲勞多源數據綜合評價及虛擬孿生模型四模塊體系框架。通過融合多模態數據，結合深度學習、層次分析與模糊綜合評價，實現作業人員疲勞的動態量化評估；利用隨機Petri網與馬爾科夫鏈識別高負荷工位，并在孿生空間中實現疲勞狀態的可視化與優化調控，為人機協作系統的智能化與人因優化提供了新路徑。

潘一帆 博士研究生

報告人：潘一帆，2024年畢業于河海大學機械工程專業，獲工學碩士學位，目前河海大學博士在讀，研究方向聚焦于跳躍機器人、仿生機器人領域。研究生期間主持過江蘇省研究生科研創新計劃項目1項（多運動模式跳躍機器人的結構設計與控制研究）。

報告題目：Tumro: A Tunable Multimodal Wheeled Jumping Robot Based on the Bionic Mechanism of Jumping Beetles

報告摘要：The implementation of multi-modal motion ensures the stable operation in complex terrain environments, thus providing an effective guarantee for system performance. The crawling-jumping robot exhibits a promising potential for diverse applications, as it demonstrates the capability to navigate through various road conditions utilizing different motion modes. However, the mobility of the current multi-modal jumping robots remains somewhat constrained by their jumping capability and the recovery time required for torso attitude change after each jump. Drawing inspiration from the energy storage jumping mechanism of jumping beetles, we present a tunable multi-modal jumping robot (Tumro) capable of executing multi-modal movements including wheeled locomotion and ground-based jumping, which can achieve a jump height of up to 3 m and swiftly recover its wheeled crawling state without requiring posture correction post-jump. Through a specific structural design, the robot can storage energy and switch motions to jump in the desired direction based on the preset angle according to actual demand. The jumping process is thoroughly analyzed, and the kinematics and dynamics models are derived in meticulous detail. Besides, the performance of the robot was comprehensively assessed from aspects of wheel-action versus vertical jump capability, power consumption, and endurance across various motion modes. The simulation scene experiment demonstrates the robot's exceptional jumping capability and efficient wheeled mobility.

李浩然 博士研究生

報告人：李浩然，碩士畢業于華中科技大學機械科學與工程學院，目前正在華中科技大學攻讀博士學位，研究方向是車間調度理論方法，智能優化及強化學習在車間調度中的應用。

報告題目：SERL：融合群體智能與強化學習的可重構制造調度優化

報告摘要：可重構制造系統（RMS）在滿足個性化大規模生產中具有重要價值，但其調度問題復雜，主要由于配置之間高度耦合以及有限輔助模塊的競爭。本研究提出了一種新型調度方法——群體增強進化強化學習（SERL），通過將調度建模為馬爾可夫決策過程，避免了繁瑣的配置-模塊編碼。設計了關系感知異構圖融合網絡，通過多路徑圖注意力捕捉優先級、競爭與協作信息，從而提升決策質量。進一步，SERL將人工蜂群（ABC）與近端策略優化（PPO）進行雙向協作，實現策略注入和知識共享，加速進化并優化調度結果。實驗結果顯示，在1,560個實例中，SERL顯著優于現有方法，平均重構時間較最佳基線縮短24%，驗證了其在資源受限和多模塊配置環境下的高效性與實用性。

李姍姍 博士

報告人：李姍姍，博士，大連民族大學副教授。研究方向為人工智能與數字孿生驅動的能源系統智能優化，聚焦建筑節能減排與熱力學系統快速設計。主持國家級、省部級科研項目6項。

報告題目：面向建筑群綜合能源的數字孿生輕量化框架與低碳運行策略

報告摘要：推動建筑運行階段的節能減排，對實現我國“雙碳”目標與可持續發展至關重要。本文提出一套面向建筑群綜合能源系統的數字孿生輕量化框架與低碳運行策略。該框架構建了“模型-感知-分析-功能-應用”五層架構，融合GIS、BIM與無人機實景建模技術實現建筑群輕量化三維實景重構，并集成多源數據與機器學習算法，實現照明、空調等多系統的協同感知與節能優化。通過在某高校園區的應用，驗證了該框架的可行性，為建筑領域節能降碳提供了關鍵技術參考。

岳淼 博士

報告人：岳淼，博士，浙江建設職業技術學院副教授，浙江省高級“雙師型”教師，浙江省青年科學技術協會會員、住建部國家科技專家庫專家、中國知網評審專家庫專家。

報告題目：數據驅動的校園環境健康績效智能評估與優化

報告摘要：校園環境作為師生長期學習生活的主要場所，其健康績效日益成為衡量校園品質的關鍵。傳統環境評估方法多依賴于靜態指標與主觀問卷，難以動態捕捉人-環境-活動的復雜交互機制。本研究旨在構建一個數據驅動的智能框架，通過多源數據采集、機器學習分析與人本智能體驗證的閉環，實現校園環境健康績效的精準評估與方案優化。本研究首先通過部署物聯網傳感器網絡，并結合校園數字孿生體、無人機航拍及校園數字足跡，構建了高精度的校園環境數字基底，實現了對環境狀態的實時、全面感知。在此基礎上，運用隨機森林、梯度提升樹等機器學習算法對海量異構數據進行挖掘，精準量化了各類環境因子（如綠地可視率、自然聲景占比、空間開闊度）對師生健康感知（如壓力水平、注意力恢復度）與行為模式（如停留時長、活動類型）的影響權重。分析結果表明，例如道路綠化率超過30%時，對人群的聚集度有顯著正向影響。為驗證優化策略的有效性，本研究擬進一步開發基于智能體的人工社會模型。在該模型中，智能體被賦予模擬師生現實行為規則（如趨光避噪、路徑選擇、社交聚集等）。通過在虛擬的校園數字孿生體中，對不同的親生物設計或空間布局方案（如增加綠地斑塊、優化步行路徑、調整設施布局）進行模擬測試，預測其對師生空間使用模式、活動強度以及主觀舒適度的潛在影響。本研究的創新性在于將數據驅動與智能仿真深度融合，實現了校園環境評價從“經驗驅動”到“科學量化”、從“靜態描述”到“動態預測”的范式轉變，為創建更健康、高效且充滿人文關懷的智慧校園提供了強有力的理論工具與實踐指南。

張曉薇 碩士研究生

報告人：張曉薇，湖南大學建筑學碩士，師從張榮鵬教授。研究聚焦于健康建筑與智慧建筑領域，致力于以數據驅動“人本”設計。研究通過計算模擬與交叉學科方法，將健康安全需求轉化為精準的設計準則與智能交互策略，主要應用于醫院建筑的感染風險控制與空間環境優化。

報告題目：基于人員感染風險時空異質性特征分析的醫院候診空間平面形式優化

報告摘要：在醫院建筑設計中，保障患者與醫護人員的健康安全，是“以人為本”理念的核心體現。醫院門診候診區作為人員高度聚集且病原體攜帶者眾多的空間，是呼吸道傳染病風險集中體現的關鍵節點，也是落實人本建造理念的重點區域。自然通風被認為能有效降低室內感染風險，但其在醫院候診空間中對人群健康保護的潛力尚缺乏系統性量化評估。現有研究多局限于特定季節或地區的靜態分析，缺乏對感染風險時空異質性特征及其與平面通風耦合機制的系統探討。為此，本研究以流感樣疾病為研究對象，基于中國國家流感中心發布的監測數據，構建了北方冬春單一高峰、南方冬夏雙周期高峰、南方春夏單一高峰等3種典型流行高峰場景，并結合醫院門診候診區設計參數，識別候診空間人員感染風險時空異質性特征。研究將該特征融入耦合計算流體動力學（CFD）的Wells-Riley感染風險模型的框架中，考慮人員行為的隨機性，采用蒙特卡洛模擬方法對醫院候診空間的感染風險進行了動態量化評估。研究結果表明：1）在考慮時空異質性后，流行病高峰期的整體感染風險為未考慮條件下的1.3–2.5倍；2）候診空間的平面形式顯著影響自然通風效率及感染風險分布，其中L形平面展現出最優的風險控制潛力，其感染風險較T形和U形平面分別降低42.6%與62.5%；3）動態感染者數量是驅動空間絕對風險水平的關鍵因子，每增加1名感染者，感染風險的相對增幅可超過150%。本研究通過整合宏觀流行病學特征與微觀建筑環境參數，為實現以患者與醫護人員健康安全為核心的的醫院候診空間被動式設計提供了科學依據與決策支持。

李克強 碩士研究生

報告人：李克強，鄭州輕工業大學機械工程碩士。研究方向為工業數字孿生、人機自然交互與大模型，專注于智能設計與數字化制造領域。深入研究自然語言處理與三維快速建模技術，致力于解決傳統CAD軟件的高門檻與迭代低效問題。

報告題目：基于自然語言交互的三維模型快速生成

報告摘要：在現代產品設計中，三維建模作為關鍵環節，長期面臨高操作復雜度與低迭代效率的挑戰。本研究提出一種基于自然語言交互的三維快速建模方法。通過在Siemens NX中集成對話接口，系統利用大語言模型將用戶指令解析為結構化JSON數據，由Agent模塊智能匹配參數化模板，并通過實時參數注入與動態編譯技術，直接于當前會話生成三維實體。同時該系統支持多輪流式交互，實現模型的實時迭代優化，構建了一種高效、低門檻且支持快速迭代的智能設計環境。

宋義天 碩士研究生

報告人：宋義天，上海大學機電工程與自動化學院碩士生，研究方向為數據與AI驅動的復雜批產質量控制，參研國家自然科學基金項目，已在Journal of Manufacturing Systems等國際知名期刊及會議發表學術論文6篇，申請發明專利及軟件著作權3項，獲研究生國家獎學金、山東省優秀畢業生、青島市千名優秀大學生等榮譽。

報告題目：自然語言交互驅動的生產工藝優化算法自生成

報告摘要：面對工業軟件創新與“AI+制造”融合的戰略需求，針對當前工藝優化算法開發依賴專家、效率低、工程師參與弱等問題，本研究提出一種基于自然語言交互的工藝優化算法自生成框架。該框架以大語言模型為核心，融合進化計算，通過結構化提示與雙重反思機制，實現以自然語言描述動態生成優化算法。在柴油機裝配工藝優化上的實驗表明，所生成算法在優化精度上優于傳統方法，提升了開發效率，為構建以人為本、自進化的新一代制造系統提供了可行路徑。

莊煒斌 博士研究生

報告人：Weibin Zhuang, from Nantong, Jiangsu Province, is a Ph.D. candidate at the Institute of Intelligent Manufacturing, Donghua University. His main research interests include rehabilitation assistive device design, personalized product design, intelligent design methods, and AI-Agent systems.

報告題目：LLM-PDAgents：A Self-Organizing Multi-Agent Framework for Personalized Rehabilitation Assistive Device Design

報告摘要：With the growing prevalence of age-related diseases and disabilities, the demand for personalized rehabilitation assistive devices (RADs) is increasing. Traditional design methods fail to meet diverse user needs. To address this, this study proposes LLM-PDAgents, an innovative large language model (LLM)-driven self-organizing multi-agent framework for personalized RAD design. A knowledge graph linking phenomenon–symptom–function–behavior–structure was built to form a design reasoning chain, enhancing agents’ interpretability and reasoning ability. A self-organizing task-planning mechanism with four predefined agents—one planner and three supervisors—enables autonomous planning, role definition, and collaboration for personalized design generation. Furthermore, a progressive reflection strategy allows agents to iteratively refine designs based on user feedback, achieving continuous optimization toward user satisfaction. Taking the real-world design of knee joint RADs as an example, the smooth interaction between human users and LLM-PDAgents significantly improved the procedure and quality of the whole design process. Meanwhile, the outcomes of LLM-PDAgents outperformed other multi-agent frameworks on key evaluation metrics such as economic viability, manufacturing feasibility, user pertinence, and generated costs, indicating an efficient and reliable approach for the personalized design of RADs.

張滋雨 博士研究生

報告人：張滋雨，1998-，四川瀘州人，華中科技大學機械科學與工程學院機械工程專業博士研究生。主要研究方向為車間調度、智能優化。

報告題目：基于異步更新的增強型Memetic算法求解帶多外協中心的雙資源柔性作業車間調度問題

報告摘要：為滿足高度定制化需求，現代離散制造系統通常需要對內部車間的設備和人力資源進行綜合調度，而外協車間的服務時間窗口則帶來了額外的跨車間協同挑戰。為了解決這些問題，本文定義了具有多外協車間的雙資源柔性作業車間調度問題（DRFJSP-MO），并開發以總加權拖期（TWT）為優化目標的混合整數線性規劃模型。基于此，提出一種基于異步更新的增強型Memetic算法（AUEMA），包含三個關鍵創新：首先，設計協同權重來評估緊急程度高且制造難度大的作業。其次，引入異步更新策略來驅動進化算子，從而加速劣解的淘汰。同時，定義DRFJSP-MO的唯一關鍵路徑，并設計三種知識驅動的鄰域結構幫助算法有效搜索更優解。在30個基準算例上的實驗結果表明，所提 AUEMA 方法在收斂性和穩定性方面優于其他調度方法，其在 93.33%的算例中取得了最優均值。最后，AUEMA被應用于一家大型船舶結構件制造企業的實際案例。優化后的調度方案使TWT減少56.05%，生產周期縮短23.20%，且拖期率降低28.57%。

王俊杰 碩士研究生

報告人：王俊杰，男，碩士研究生機械專業在讀，來自鄭州航空工業管理學院，目前的主要研究方向為數字孿生、工業機器人，熱愛學術交流。

報告題目：基于數字孿生的航空葉片加工車間監控系統研究

報告摘要：本報告基于數字孿生研究了OPC UA技術在車間監控系統方面的應用，并結合機器學習算法的方法預測葉片打磨質量。首先，以數字孿生五維模型為基礎，構建了面向航空葉片加工車間的數字孿生監控系統總體框架，確定了數字孿生車間的設計技術路線。然后，針對于車間設備孿生體的構建、基于OPC UA的多源異構設備數據的采集和傳輸、車間設備虛實雙向控制以及基于寬度神經網絡的葉片打磨質量預測等方面展開了詳細闡述。

黃溢良 碩士研究生

報告人：黃溢良，男，碩士研究生，鄭州航空工業管理學院，航空宇航科學與技術專業在讀，主要研究方向為機器人視覺感知與抓取，主持校級科研項目一項，發表SCI論文1篇，熱愛學術交流。

報告題目：基于深度學習和合成數據增強的機械臂雜亂緊固件抓取

報告摘要：針對雜亂緊固件抓取困難和人工標注過程昂貴的問題，本文提出了一個基于深度學習的級聯抓取模型和一種緊固件合成數據生成流程。級聯抓取模型首先通過改進的YOLO v8n檢測出可抓取的緊固件，再通過改進的生成殘差卷積神經網絡 (GRCNN) 模型估計最佳抓取位姿。合成數據生成流程通過具有域隨機化的物理模擬場景生成雜亂緊固件合成數據，從而增強真實數據集，有效減少了對人工標注的依賴和非獨立同分布 (non-IID) 數據的產生。

嚴田欣 碩士研究生

報告人：嚴田欣，中國美術學院工業設計專業碩士在讀，主要研究方向為智能設計，兩篇SCI論文收錄。

報告題目：Meta-X Design: From Tools to Partners in Human-Machine Co?creation for Industry?5.0

報告摘要：The advent of Industry?5.0, emphasizing human?centricity, sustainability, and resilience, is reshaping Industrial Design (ID) and fostering the rise of Human?Machine Co?creation (HMCr). In this paradigm, machines are envisioned not merely as tools but as collaborators. However, current HMCr systems remain constrained by cognitive misalignment and unstable control, limiting the realization of genuine human?machine partnership. To address these challenges, this paper introduces Meta?X Design (MXD), a dynamic framework for ID?5.0. MXD integrates intelligent capabilities, meta?design principles, and human?centred values to achieve cognitive synergy. At its core lies a four?layer architecture—Infrastructure, Model, Cognitive, and Application—designed to elevate AI from a functional assistant to an active creative partner. Specifically, this study (i) reviews advances in human?machine collaboration, (ii) identifies unresolved gaps in cognitive alignment and adaptive control, and (iii) presents the MXD framework as a pathway toward next?generation design ecosystems. Ultimately, by linking conceptual innovation with practical implementation, MXD establishes a foundation for design futures where humans and machines collaboratively drive transformative solutions.

黃錦瀚 碩士研究生

報告人：黃錦瀚，男，碩士研究生機械專業在讀，來自鄭州航空工業管理學院，目前的主要研究方向為工業機器人、數字孿生。

報告題目：基于工業機器人的葉片磨拋系統

報告摘要：葉片是航空發動機上作用最核心的部件之一，傳統的航空葉片通常經過鍛造之后由人工手動進行型面的磨拋，人工磨拋存在材料去除不均導致零件一致性差的問題。本文基于六軸工業機器人搭建了機器人砂帶磨拋葉片平臺，并針對葉片磨拋過程中工件表面粗糙度以及材料去除率預測問題，提出材料去除率機理模型和表面粗糙度機理模型與機器學習模型串聯的方法，基于Preston 方程構建材料去除率數學機理模型，基于Rayleigh分布及未成形切屑厚度模型構建表面粗糙度數學機理模型，通過CatBoost模型學習機理模型的預測殘差，構成機理模型與機器學習模型串聯的預測模型。結果表明，機器人砂帶磨拋葉片平臺能夠實現葉片的自動化磨拋，有效提高了磨拋效率和磨拋質量；串聯預測模型能夠有效彌補磨拋機理模型對影響磨拋質量的特征學習不足的問題，提高預測精度。

責任編輯：杜蔚杰

責任校對：張 強

審 核： 張 彤

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。

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：

特別聲明：本微信轉載文章出于非商業性的教育和科研目的，如轉載稿涉及版權等問題，請立即聯系我們，我們會予以更改或刪除相關文章，保證您的權益。

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