栏目文章

Select

1. 基于数据分配的铝铸件生产过程细粒度碳排放核算方法

王志会, 彭涛, 刘伟鹏, 唐任仲

中国机械工程 2026, 37 (4): 920-928. DOI: 10.3969/j.issn.1004-132X.2026.04.016

摘要（1187）

HTML （3）

PDF（pc）（1999KB）（32）

提出了一种适配铝铸件生产企业差异化数据采集能力的数据分配方法，在无需新增成本投入的条件下，实现单件铝铸件按产品、型号和批次区分的细粒度碳排放核算。该方法基于碳排放相关生产数据的采集粒度和周期，将企业数据采集能力划分为高、中、低三个水平，针对不同水平构建相应的数据分配策略，获取单件铝铸件的细粒度能源/材料活动水平；使用排放因子法计算产品级碳排放，并建立了废料回收与外售的碳排放修正机制。最后，以铝制轮毂生产为例进行应用验证，结果表明该方法能够克服传统依赖文献调研数据中工况恒定假设导致的偏差，提高碳核算结果的准确性。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0）

Select

2. 制造特征智能解析驱动的零件低碳工艺优化方法

张雷, 张振, 刘润泽

中国机械工程 2026, 37 (4): 929-938. DOI: 10.3969/j.issn.1004-132X.2026.04.017

摘要（616）

HTML （2）

PDF（pc）（3450KB）（36）

针对零件设计模型与制造阶段的碳排放评估之间因缺乏有效关联与映射而导致低碳工艺优化困难的问题，提出了一种结构化特征解析与智能映射驱动的零件低碳工艺优化方法。首先通过解析STEP文件提取几何与拓扑信息，构建扩展属性邻接图及其对应的矩阵表示，并利用特征子矩阵匹配特征库实现典型制造特征识别；然后依据识别结果触发对应的参数提取规则，获取特征几何尺寸实现制造信息结构化表达；最后构建制造环节碳排放与加工时间的协同量化模型，以低碳高效为目标构建多目标工艺优化框架，通过NSGA-Ⅱ算法求解帕累托最优解集，为零件的低碳制造工艺规划提供决策支持。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0）

Select

3. 高负载动态工况下工业机器人的能耗预测

孙悦, 黄辉, 尹方辰

中国机械工程 2026, 37 (4): 939-947. DOI: 10.3969/j.issn.1004-132X.2026.04.018

摘要（634）

HTML （4）

PDF（pc）（10846KB）（41）

工业机器人在高负载、强波动加工工况下的功率呈现非平稳和多源耦合特征，导致能耗预测模型在跨工况条件下易出现精度与稳定性下降的问题。基于自主搭建的加工实验平台采集多源时序数据，通过时间戳对异频数据进行同步与重采样处理，利用滑动窗口构建功率标签。对比了随机森林、梯度提高树、支持向量回归、多层感知机及两种融合结构模型在多工况下的预测结果。结果显示梯度提高树+支持向量回归融合模型的能耗预测结果在未参与训练的工况中最优，平均绝对误差为3.73%。研究揭示了不同模型在高动态加工工况下的预测特性，可为工业机器人高负载加工过程的能效建模、工艺优化与绿色运行提供技术支撑。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0）

Select

4. 制造场景驱动的机械加工过程碳排放预测与不确定性分析方法

孔琳, 曾庆良, 王黎明, 李方义, 张鑫, 逯振国, 王桂杰

中国机械工程 2026, 37 (4): 948-958. DOI: 10.3969/j.issn.1004-132X.2026.04.019

摘要（1126）

HTML （3）

PDF（pc）（4024KB）（38）

针对传统碳排放预测方法中制造信息多源异构、参数不确定性强等突出问题，整合加工、能源、资源、排放多维影响因素，识别并定义制造场景，实现了碳排放影响因素的统一表征与描述；融合随机森林的决策树集成机制与贝叶斯算法的自适应超参数优化，形成了“特征筛选-模型训练-参数调优”的三阶预测体系，支持碳排放的高精度预测；构建了蒙特卡罗-贝叶斯优化随机森林不确定性分析方法，甄别碳排放敏感参数并量化其影响，通过参数优化改进来提高可靠性。以风机叶片加工为例验证预测方法的有效性，结果表明，该方法的碳排放预测结果拟合度良好，经不确定性分析后变异系数降低0.0347，显著提高了预测结果可靠性与决策支撑能力。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0）

Select

5. 一种新型的SiC金属氧化物半导体场效应管的寿命预测

胡娅维, 方响, 尹传安, 林子俊, 林小卫

中国机械工程 2026, 37 (4): 959-966. DOI: 10.3969/j.issn.1004-132X.2026.04.020

摘要（678）

HTML （2）

PDF（pc）（7094KB）（34）

为应对碳化硅金属氧化物半导体场效应管（SiC MOSFET）在高频、高温和大功率密度应用中面临的可靠性挑战，提出了一种新型的融合卷积神经网络、高效通道注意力机制与双向长短期记忆网络的SiC MOSFET寿命预测方法。该方法以漏源极导通电压为核心退化特征，结合异常值剔除、归一化和指数平滑等预处理策略，并通过滑动窗口对退化时间序列进行重构，实现小样本条件下的有效建模。实验对比结果表明，所提方法在预测精度、稳定性和鲁棒性方面均具有明显优势。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0）

栏目文章信息