为解决移动式起重机运行过程中监测力度不足、交互性差和数字化程度低等问题，提出了起重机运行状态实时监控数字孪生系统构建方法。引入数字孪生五维模型，建立起重机虚实互控的数字孪生框架。从服役场景和物理实体组成搭建物理空间，从虚拟模型和可视化场景及行为动作控制方面建立虚拟空间，基于MySQL数据库，利用固有、采集和虚拟信息构建孪生数据库，结合通信协议实现虚实交互、动态监测和可视化。以YDC20/30轻小型移动式起重机为例，验证了该方法的可行性，为全面管控起重机服役过程提供了新方案。
油耗仪测量法和台架实验一般用来分析车辆的经济性与动力性，但两种测量方法存在成本较高、结构复杂的问题。针对这一问题，选择反向传播（BP）神经网络和回归模型对防爆胶轮车柴油机的经济性和动力性计算与预测。通过与实验对比，研究BP神经网络与回归模型预测的准确性。结果表明：BP神经网络和回归模型在预测燃油消耗率和评估动力性时，BP神经网络与回归模型的误差均小于5%，均能用来预测胶轮车的经济性和动力性。
为了提高挖掘机液压系统运行效率，设计一种泵驱阀控负载敏感系统。在多路阀进出口分别安装压力传感器，进行实时压力反馈代替负载敏感系统的压力补偿阀实现压力补偿，动态调整主阀芯的位置以及电液比例泵的斜盘摆角，驱动液压缸的动作。对泵驱阀控控制系统中的阀控缸系统进行理论分析以及建立控制模型。利用比例阀试验台、BODAS控制器等电控及采集元件进行试验平台设计，进行泵驱阀控原理验证，验证仿真模型以及泵驱阀控控制原理的正确性。研究结果表明：在系统处于泵驱阀控程序时，在不同压差的情况下输出流量随着阶梯上升的负载变化而发生突变。随着负载压力的不断提高，流量突变也变得越来越大，输出流量与设定流量之间的误差也随之增大。
为解决自动化集装箱码头岸桥和场桥作业序列变化、作业效率波动，以及自动导引小车（AGV）作业时间的不确定性等情况下AGV的调度问题，在总结目前AGV调度模式的基础上，设计了基于共享式调度和在线调度的AGV分配方式。考虑未来一段时间内任务分配的整体最优，提出了一套完整的AGV共享式在线调度解决方案。建立了AGV共享式在线调度数学模型，设计了遗传算法进行求解。对不同AGV数量的调度问题的求解进行试验，验证了遗传算法求解满足时间要求，并验证了其实用性和可行性。
针对桥式起重机结构可靠性分析计算中多维小失效概率及隐式功能函数，依靠传统可靠度计算方法难以解决问题，提出采用动态Kriging代理模型结合重要抽样法（ISM）的可靠度计算方法。首先通过2个学习函数构建隐式功能函数的动态Kriging代理模型；再利用改进一次二阶矩法（FORM）结合Kriging代理模型求出最可能失效点，并以此为中心点构造重要抽样密度函数；最后基于所建立的代理模型通过ISM完成可靠度计算。通过引入与学习函数相结合的新增停止准则，降低有限元调用次数。通过工程案例验证，所提方法可以较好地平衡模型精度、结果误差与计算成本。
随着目标检测技术在无人化施工等场景中的广泛应用，传统目标检测算法在复杂工程环境中面临识别精度低、计算量大、处理速度慢等挑战。基于这些挑战，本文提出了一种基于改进YOLOv8的工程场景目标检测方法，通过在YOLOv8中引入星乘模块改进C2f结构，在保证检测精度的同时显著减少模型参数量和计算量。以此为基础，本文引入了轻量化共享与细节增强卷积检测头，进一步提高检测头的细节捕获能力，并显著降低计算负担。实验结果显示：在基于Roboflow的工程场景数据集上，与YOLOv8n相比，改进后的模型在mAP@0.5和mAP@0.5:0.95上分别提高了0.3%和2.0%，参数和计算量分别减少了36.7%和34.6%，帧率（FPS）则相应提高了23.3%，验证了提出的改进算法在轻量化和检测精度方面的优越性。
通过对航空发动机的磨损趋势进行预测，能够有效地对航空发动机磨损状态进行监测。在反映发动机磨损状态的有效观测数据中，油液分析数据能够间接反映航空发动机整体磨损趋势。因此，通过建立基于油样分析数据的趋势预测模型，从而实现发动机的磨损趋势预测。但是，目前应用于航空发动机趋势预测的模型中主要以单一预测模型为主，组合预测模型也仅是一般的线性组合，预测效果不佳。为此提出了一种基于支持向量机的非线性变权重组合预测模型，通过粒子群算法实现参数优化，油样分析数据则通过全寿命滑油系统轴承疲劳试验，间隔固定时间收集滑油样品进行性能分析得到。对其中的光谱分析数据进行组合预测分析，通过对比组合预测结果与单一预测模型的预测结果，预测精度均超过单一预测模型的预测精度，充分验证了所提组合预测模型的优越性和有效性。
本文提出了一种基于目标识别和全卷积抓取质量网络（FC-GQCNN）的机械臂抓取检测技术。针对传统GQCNN在实际应用中存在的计算效率低、特征重复计算等问题，提出了一种改进的FC-GQCNN。该网络通过将GQCNN的全连接层替换为1×1卷积层，使其能够处理任意尺寸的输入图像。同时，将FC-GQCNN与YOLOv8目标识别算法相结合，构建了YOLOv8-FCGQCNN级联结构，有效解决了复杂环境下目标物体的识别和定位问题。实验结果表明：该方法在10类不同物体的抓取任务中有86%的抓取成功率，单帧平均检测时间仅为0.09 s，相比传统GQCNN的推理速度提升了22倍，显著提高了系统效率。该方法可以准确地检测感兴趣的物体的抓取位姿，并且较基准方法具有更高的可靠性。
为了应对模块划分评价方案中评价准则单一、权重分配过于主观等问题，提出了产品模块划分方案的模块度、模块可替换性、模块结构完整性的评价准则及其计算方法。在此基础上，提出多个二级模块划分评价指标，用以确定评价准则间的权重分配；应用了在分布式乘性偏好环境下的最优-最劣多准则决策模型，用于确定该方法中相关参数的权重分配问题；综合考虑了所有决策者的意愿，使最终模块划分方案更具客观性。最后，以挖掘机工作臂的模块划分验证了方法的可行性。
为了解决现有踏面制动单元凸轮构造中由于未考虑活塞偏转对凸轮动力矩产生的影响，导致平衡方程不完整、不精确和制造的凸轮轮廓误差较大的问题，对踏面制动凸轮构造和输出力稳定性展开了研究。首先，引入优化补偿角概念，将活塞偏转引起的推力对凸轮铰接点产生2个方向的转动力矩包含在新平衡方程中，使平衡方程更加完整、精确，误差更小，以此设计构造新的凸轮机构。然后，在踏面制动单元例行试验机上，对原凸轮机构和含优化补偿角的新构造凸轮机构进行输出力值稳定性对比实验。最后，对上述数据及作用行程与输出力值曲线进行综合对比分析。研究结果表明，含补偿角凸轮输出力值稳定性优于不含补偿角凸轮。在实际作用行程下，两次输出力差最大值，含补偿角凸轮误差在（-0.8,+0.6） kN，不含补偿角凸轮误差在（-1.2,+1.2） kN，含补偿角凸轮误差也小于不含补偿角凸轮误差。