针对数控铣削过程能效数据采集成本高、传统数控铣削能效模型在小样本数据下预测精度低的问题，提出了一种基于比能值和极限学习机（ELM）-自适应增强算法（AdaBoost）的能效优化模型。通过正交试验设计获取试验数据，构建基于比能值的机理模型，结合ELM与AdaBoost形成ELM-AdaBoost数据模型，最后集成能效预测模型，在保证预测精度的同时有效减少模型对数据量的需求。建立以最小比能值和最低加工成本为目标的能效优化模型，通过非支配排序遗传算法Ⅱ和熵权- TOPSIS进行最优工艺参数求解与优化，加工试验验证了提出方法的可行性。
为了实现在线、高效的工业机器人能耗预测，提出了一种基于贝叶斯优化时间卷积网络（TCN）的方法，通过TCN建立了运动学参数与机器人能耗之间的非线性映射关系，有效地捕捉了能耗预测数据的时序特征，通过贝叶斯方法对模型中的超参数进行寻优，提高了能耗预测模型的精度。IRB 1600-10/145工业机器人消融实验和对比实验结果表明，所提出的方法在无负载和1.5 kg负载下机器人平均总能耗相对误差分别为1.04%和1.78%，优于目前常用的其他能耗预测模型。
雾化器作为内置式雾化型微量润滑（MQL）装置的核心部件，其性能直接影响润滑油的雾化效率与切削加工效果。基于液体喷雾学理论，深入分析了润滑油雾化机制及影响雾化器性能的关键因素，研发了一种气动雾化型MQL油雾化器。结合雾化器性能评价方法与实验研究，明确了喉管直径、吸油管孔径及孔壁间隙对雾化器性能的耦合作用机理。基于激光喷雾粒度仪数据，验证了雾化器在不同黏度油品下的优异雾化表现，雾粒直径的数量频度分布集中在0.8~10 µm之间，体积频度分布峰值位于25 µm，索特平均直径D32为5~12 µm。
为研究滚齿刀具和控制参数优化中的启发式算法自动选择问题以及用户对加工性能看重程度模糊表达下的参数决策问题，提出了一种基于改进超启发算法和模糊优劣解距离法（TOPSIS ）的滚齿刀具和控制参数优化与决策方法。使用谱聚类算法根据历史加工数据确定滚齿参数的上下限；以碳排放量、切削时间和质量为优化目标，使用改进的多目标超启发算法获取优化滚齿参数（非支配解）；采用模糊TOPSIS对优化滚齿参数进行排序以获取最符合用户要求的参数。最后通过实验验证了方法的可行性和有效性。
为解决云制造中机床资源竞争和客户利益冲突，推进制造服务能效均衡转化为客户收益，提出了一种基于非合作博弈的云制造机床资源节能调度方法。以时效型、能效型、经济型、质量型、综合型为5类客户偏好，构建了面向客户收益的云制造机床设备节能调度模型，采用改进非合作博弈遗传算法求解纳什均衡。分析了基于客户价值分类的差异化折扣策略对调度结果的影响趋势。以徐工集团典型工程机械产品的多种油缸活塞杆零件制造为例进行仿真试验，结果显示，所提方法使客户制造任务平均收益提高4.1%，任务能耗最高下降28%。
现有线材干燥采用的高速气流吹除工艺方法存在线材表面液膜极薄、气流作用面积小等问题。将超声能量作用于线材结构，使固液接触面高频振动，产生超声雾化效果。建立了超声雾化与高速空气射流的能耗模型，并围绕超声功率和液滴体积等关键参数开展对比试验测试。研究结果表明：超声通过毛细波与声空化诱发液滴快速铺展与雾化，液膜去除效率显著快于空气射流；在液滴体积10 μL、作用时间18 ms下，360 W超声去除率达到84.37%，而450 W高速空气射流对液膜的去除率仅为8.58%；能耗上，在实现同等去除效果的条件下，超声相比空气射流可使系统能耗至少降低约46.67%，表明超声赋能为线材表面快速、节能地除水干燥是可行的。
提出了一种面向机床加工过程的数字孪生动态多目标优化方法。该方法融合历史加工数据与机床实时运行数据，构建由几何模型、物理模型、行为模型和规则模型组成的数字孪生系统，并结合基于Optuna优化的梯度提高回归（Optuna-GBR）预测模型与改进的多目标雾凇优化算法（IMORIME）实现加工工艺参数的动态调整。数字孪生系统对切削力波动进行实时监测，当切削力波动超出自适应阈值时，触发动态优化过程，重新生成Pareto解集并通过熵权-逼近理想解排序法（TOPSIS）决策出最优工艺参数组合。实验验证表明，数字孪生系统的动态优化方法使主轴能耗较优化前降低19.99%，切削比能降低29.02%，加工噪声降低11.22%，显著提高加工效率，降低主轴能耗及加工噪声。
回顾了近年来微量润滑（MQL）与微织构刀具技术在难加工金属材料（DMMs）切削加工中的研究进展，重点分析了两者的协同机理及其对DMMs切削加工性能的影响。相较于干切削，微织构+MQL协同作用可使平均切削力减小25%~48.3%，切削温度下降20%~50%，表面粗糙度减小15%~40%，刀具寿命延长1.5~2.4倍。总结了现有研究在以下方面尚待加强：一是协同机制的定量理论模型；二是针对不同材料的适应性分析；三是工业化条件下长期稳定性的实验验证。未来的研究应集中于构建基于热力学和摩擦学行为的定量协同模型，特别是在钛基合金和铝基合金等高强度、高温材料加工中的应用优化，并通过实际工况下的长期效能评估来验证其工业应用价值。
为实现对球墨铸铁QT550-5表面激光硬化及其加工工艺参数的优化，构建了QT550-5激光硬化温度场与相变场耦合的有限元模型，以激光功率、扫描速度和搭接率为实验变量，将试样的硬化层深度和熔凝层深度作为优化目标，采用拉丁超立方抽样进行实验设计，并基于实验数据构建贝叶斯优化的多任务神经网络预测模型，进一步引入沙普利加性解释方法进行可解释性分析，明确各参数对激光硬化结果的贡献机制。采用多目标河马算法进行工艺参数寻优，并采用熵权法结合逼近理想解排序法构建一种综合评价体系，对非劣解集排序得到最佳工艺参数组合。最后采用最佳工艺参数组合进行实验验证，结果表明，QT550-5表面硬化效果显著。
汽车车身在实际运行中时刻处于复杂路况导致的动态载荷作用下，而目前对自冲铆接（SPR）的研究集中于静态载荷响应分析，缺乏动态载荷的响应分析。提出了一种基于质量弹簧系统的自冲铆接接头动态建模分析方法。利用ABAQUS有限元分析识别自冲铆接头的拉伸、剪切刚度参数，将自冲铆接头与板材之间的连接抽象成为质量弹簧系统之间的连接关系；搭建了SPR三自由度非线性动态响应模型，利用有限元仿真对SPR动态响应等效模型进行验证。研究结果表明，SPR三自由度非线性动态响应模型可以实现对自冲铆接头动态响应的高效、准确预测。
