各位专家、学者：
自2026年9月16日起，新采编系统启用，原系统用户登录用户名、密码不变。
2026年9月16日之前投稿的作者，请登录旧系统查看稿件相关信息。
《中国工程机械学报》编辑部
2026年9月16日
作者投稿入口在线审稿
与编辑部在线交流 编辑办公入口采、编、审等事务办公
管理稿件
管理作者信息和外审专家信息 专家办公入口在线审稿
与编辑部在线交流 旧系统-作者查询投稿
跟踪查询您的稿件的信息
与编辑部交流
查询稿件缴费情况 旧系统-编辑办公采、编、审等事务办公
管理稿件
管理作者信息和外审专家信息 旧系统-专家审稿在线审稿
与编辑部在线交流
与编辑部在线交流 编辑办公入口采、编、审等事务办公
管理稿件
管理作者信息和外审专家信息 专家办公入口在线审稿
与编辑部在线交流 旧系统-作者查询投稿
跟踪查询您的稿件的信息
与编辑部交流
查询稿件缴费情况 旧系统-编辑办公采、编、审等事务办公
管理稿件
管理作者信息和外审专家信息 旧系统-专家审稿在线审稿
与编辑部在线交流
期刊简介
期刊名称： 中国工程机械学报
创办时间： 2003年
主管部门： 中国科学技术协会
主办单位： 中国工程机械学会
刊期： 双月刊
北京大学《中文核心期刊要目总览》来源期刊：2014年至今
《中国科技核心期刊目录》：2011年至今
入选“中国科技期刊提能拓展计划”：2024年
WJCI科技期刊世界影响力指数报告来源期刊
RCCSE中国核心学术期刊
网站访问量
总访问量:
481,803
今日访问量: 47
今日访问量: 47
2026年03期
基础理论与关键技术
基于径向基函数神经网络的同步提升系统液压与控制联合仿真
卞永明;范珂源;杨濛;袁志成;卜王辉;大型结构物的液压整体提升技术是一种先进的施工方法，能够将地面拼装完成的大型构件整体提升至设计高度，具有施工效率高、安全性好的特点。本文研究了液压同步提升系统的控制方法，使用Amesim和Simulink软件平台建立了四液压缸同步提升系统的联合仿真模型，对比研究了传统比例积分微分（PID）控制和径向基函数（RBF）神经网络PID控制的性能。研究表明：传统PID控制虽然能够实现基本的同步功能，但在系统参数变化或存在外部扰动时，其固定增益无法进行自适应调整，导致同步精度有限；而RBF神经网络PID控制通过在线实时调整控制参数，显著提升了系统的自适应能力和控制精度，有效抑制了超调与振荡现象。研究成果验证了RBF神经网络PID控制在液压同步提升系统中的优越性，对推动液压同步提升技术向智能化方向发展具有重要意义。
气垫带式输送机输送性能评价模型建立与优化
孟文俊;蒋云仲;孙征宇;李梦伦;针对气垫带式输送机输送过程中空气流孔排数、气室压力、气穴中心气膜层厚度等影响输送性能的问题，以输送性能为研究对象，建立响应面模型，进行误差分析，利用多目标遗传算法获得Pareto的最优解集，通过对评价指标体系组合赋权，明确在一般工况和重载工况赋权后的目标函数解集，进行仿真验证。结果显示：运用本文评价模型得出的第1组为最优方案，气孔排布为5排，风机风量为25.31 m3/m。相较于风量为20.00 m3/m的情况，气膜压力提升了13.7%，最大承载量提高了13.8%。第2组气孔排布为7排，风机风量为25.22 m3/m，气膜压力提升了15.6%，最大承载量提高了15.1%。此结果可为气垫带式输送机提升输送性能提供参考。
自动驾驶车辆主动防侧倾控制稳定性研究
沈孟锋;李凝;许静;为提升自动驾驶车辆主动防侧倾控制的稳定性，为自动驾驶车辆的安全行驶提供更可靠的控制系统，建立了自动驾驶车辆动力学模型，引入传统的线性二次型调节器（LQR）控制策略用于车辆的主动防侧倾控制。为克服传统LQR控制中加权矩阵选择依赖经验的局限性，本文采用改进的遗传算法对LQR控制的加权矩阵进行优化。改进遗传算法在传统遗传算法的基础上，对选择、交叉和变异操作进行了优化，以提高算法的搜索效率和收敛速度，确保能快速准确地找到最优的加权矩阵组合。利用Matlab软件搭建仿真平台，对车辆在直线行驶、转弯等典型工况下的行驶情况进行模拟，对比分析优化前与优化后的LQR控制策略对车辆侧倾稳定性的影响。结果表明：改进遗传算法优化后的LQR控制策略在抑制车辆侧倾方面表现出显著优势；在转弯工况下，车辆的侧倾角和控制力矩相对较小，使车辆迅速恢复到稳定的行驶状态。采用改进遗传算法优化LQR控制策略，能够提升自动驾驶车辆主动防侧倾控制的稳定性，有效降低了车辆发生侧倾的风险。
基于粒子群算法的桥式起重机小波神经网络PID控制优化及仿真研究
赵丽芬;田波;魏旭;为提升桥式起重机吊装负载运动精度与稳定性，首先依据桥式起重机的结构特点与力学原理，构建其简图并推导方程式；接着引入小波神经网络与经典比例-积分-微分（PID）控制融合技术，借助小波变换的多分辨率分析特性及神经网络的自学习能力，灵活处理非线性、时变系统；然后，利用收缩因子的粒子群算法优化小波神经网络PID控制方法，自适应调整PID控制器参数，实现起重机的精准控制。通过Matlab软件仿真，分析起重机吊装负载运动的角位移、角速度和角加速度输出结果。结果表明：优化后的小波神经网络PID控制方法使起重机吊装负载时的角位移、角速度和角加速度峰值分别降低了1.85%、7.14%、23.67%。含收缩因子的粒子群算法在优化桥式起重机小波神经网络PID控制方面效果显著，可提升吊装负载运动的精度与稳定性。