关键词： 工科专业   机械设计基础   课程思政   全过程   思政育人  

摘要： 在工科专业中高质量地开展课程思政教学,是一个具有难度的系统性工程。该文以机械设计基础课程为例,开展课程思政的全过程实践与探索,从课前、课中、课后三个环节,开展全过程课程思政育人。课前和课后是在教学中容易被忽视的环节,因此抓好课前和课后,加强课中课程思政教学,实现全过程课程思政育人。

摘要： 新一代信息技术与制造业的深度融合正重塑全球制造格局。在此进程中,机械设计制造及其自动化技术从传统的设备效率提升,演进为支撑智能制造落地的物理层核心:它通过集成传感、控制与数据分析能力,赋予制造系统感知、决策与执行的闭环能力。本文聚焦该技术在智能工厂构建中的创新应用,结合前沿工业案例,阐明其在突破制造精度极限、实现柔性生产、保障零缺陷质量等维度的技术价值,为制造业智能化转型提供实践参考。 。

关键词： 柔性制造系统   流体松弛模型   深度强化学习   多策略决斗双深度Q网络   多重性  

摘要： 鉴于生产过程中订单的随机到达可能导致调度方案无法实现最优,实时动态订单到达成为关键问题.针对动态多重柔性作业车间调度问题(Dynamic Multiplicity Flexible Job-Shop Scheduling Problem,DMFJSP),提出了多策略决斗双深度Q网络(Multi-policy Dueling Double Deep Q-Network,MPD3QN)求解方法.该问题考虑了工件订单和多类型工件的动态到达,首先,为了降低DMFJSP的复杂性,提出了一个简化的流体松弛模型,并基于流体模型设计了多指标选择策略,用于辅助生产调度决策.其次,进一步构建了马尔可夫决策过程(Markov Decision Process,MDP)模型,提取了与工件和机器相关的19个状态特征,设计了20种复合规则作为动作空间.然后,结合优先经验回放、软更新机制和自适应动作选择策略,提出了MPD3QN算法.最后,通过81个测试算例,将所提算法与3种现有的深度强化学习调度方法进行比较,仿真结果验证了其优越性.

关键词： 农业机械   制造工艺   数控铣床   质量监测  

摘要： 围绕农业机械的结构设计、制造工艺优化以及数控铣床加工过程中的质量监测技术进行系统研究。采用参数化设计方法提升结构设计的合理性,通过制造工艺优化来控制误差源,引入基于传感器和机器学习的智能监测系统实现对铣削过程关键质量参数的实时监控。结合先进制造工艺与智能监控手段,可显著提高农业机械零部件的加工质量与稳定性。

关键词： 柔性作业车间调度问题   深度强化学习   近端策略优化   智能制造  

摘要： 柔性作业车间动态调度问题因其动态性和复杂性成为智能制造领域的研究重点。针对柔性作业车间动态调度问题的复杂性与动态性,提出了一种基于深度强化学习和近端策略优化相结合的调度优化算法。该算法通过构建马尔可夫决策过程模型,定义状态空间、动作空间及多目标奖励函数,设计了离线训练与在线应用相结合的两阶段动态调度框架,以提升调度策略的泛化能力和鲁棒性。实验在不同规模实例中验证了算法的性能,结果表明提出方法在不同规模场景下均优于传统启发式算法和现有学习算法,尤其在大规模实例中最大完工时间降低了23.6%、最优性偏差减少了7.5个百分点,展现了卓越的适应性与优化能力。

关键词： 籽棉   机采棉   摩擦特性   含水率   接触面材料   方差分析   机械设计  

摘要： 为阐明机采籽棉的摩擦特性，利用自制籽棉摩擦特性试验台，设计了3种含水率×3种接触面材料的组合试验方案，研究了籽棉含水率与接触面材料及其之间的交互作用对籽棉与接触面之间静、动摩擦因数的影响。试验结果表明：不同因素对籽棉的静摩擦因数和动摩擦因数影响效果基本一致，其受接触面材料及籽棉含水率的影响极显著（P<0.01），受含水率与接触面材料交互作用的影响显著（0.01≤P<0.05)，且单因素影响的主次顺序为接触面材料>含水率。籽棉与接触面之间的静、动摩擦因数随籽棉含水率的增大而增大。交互作用中，不同接触面材料造成籽棉含水率对其摩擦因数的影响程度发生变化，依次为籽棉>皮带>不锈钢板。籽棉间的静摩擦因数变化范围为0.708 2～0.741 3，籽棉间的动摩擦因数变化范围为0.637 1～0.750 1；籽棉与皮带间的静摩擦因数变化范围为0.399 1～0.412 8，动摩擦因数变化范围为0.355 7～0.365 5；籽棉与不锈钢板间的静摩擦因数变化范围为0.131 3～0.133 6，动摩擦因数变化范围为0.123 6～0.125 7。认为：研究结果可用于籽棉机械化采收、储运及加工过程中各机械的研究和设计。

关键词： 柔性作业车间调度   图神经网络   强化学习  

摘要： 柔性作业车间调度问题(FJSP)因其NP-hard特性、资源约束和工序强耦合在大规模实例中求解难度高、效率低。启发式调度方法受限于计算复杂度和泛化性不足。本研究提出融合图神经网络(GNN)与深度强化学习(DRL)的状态与负载感知(State load aware)、掩码引导(Mask guided)、图结构增强(Graph enhance)的SMG-DRL调度框架。SMG-DRL通过状态负载感知实现全局与局部的状态嵌入、采用掩码引导机制优化动作选择、利用稀疏图建模与GIN提取结构特征，显著提升了调度框架的求解能力。在Brandimarte数据集上的实验结果显示，SMG-DRL调度框架相较于三种调度规则(SPT、MWKR和LWKR)平均误差降低约42%(三种启发式算法的平均Gap为35.55%，10×5和20×10的SMG-DRL框架的平均Gap为20.55%)；与Zhang和Lei提出的DRL方法相比，SMG-DRL在Gap水平和结果稳定性上更具优势，具有更强的收敛性与鲁棒性。相较于OR-Tools的求解时间(978s)，计算时间缩短至约3s，效率提升约300倍。且在30×10和40×10大规模实例中Gap低至6.23%-8.76%，展现出良好的泛化能力。

关键词： 机电一体化技术   系统设计   机械设计制造   应用方向  

摘要： 机电一体化技术在工业领域凭借整合机械、电子、计算机及控制等多学科知识的优势,能大幅提升自动化、智能化程度,优化控制系统,对改善生产链效果显著,既能减少生产成本又可提高生产效率与产品质量。因此深入剖析其在机械设计制造中的应用原理及发展,可引领工业自动化发展并推动产业升级。本文研究了机电一体化技术的系统设计及在机械设计制造中的应用方向,期望为相关人员工作提供参考。