教育厅-现代制造技术教育部重点实验室联合基金项目
申报指南（2017）
开放基金主要资助意义重大且具有应用前景的基础研究和应用研究中的基础性工作。欢迎国内外科技工作者依据本实验室科学基金申请指南提出申请。
优先资助以下方向：
一、智能车间与智慧工厂
重点支持离散制造业智能制造的理论体系和关键技术研究，形成支持离散制造业智能制造系统的构建、感知、优化、协同等关键能力建设的理论、方法和技术。主要研究内容：
1、支持离散型制造业复杂系统理论研究
根据离散制造业的特点，重点研究具有主动性的人参与到复杂系统中，如何预测和管控，分工与协作，使这个新型复杂系统形成不断拓展制造生态系统的理论和技术。
2、知识工作自动化理论及基于知识自动化的智能制造研究
对知识工作自动化理论进行研究，解决互联网时代知识工作者的组织及知识沉淀，实现基于知识的人工智能技术对制造智能的决策与分析。
3、离散制造工厂及设备自组织和自律生产理论研究
以“情境知识驱动” 与“制造行为自组织”为研究目标，借助情境信息协同感知实验平台获取制造过程情境知识，通过数字车间情境知识表征模型，探索数字车间系统内的有序结构及这种有序结构的形成过程。
（1）以可拓基元模型构建数字车间情境知识“基元体系”；
（2）结合以上情境知识表征模型，构建基元自组织规则集，即“基元演化规则图谱”；
（3）针对复杂制造过程中的非线性问题，研究数字车间基元之间在制造过程中的可拓运算方法及自适应演化算法。通过情境知识基元演化表达，实现复杂制造过程行为知识的自组织以及数字车间系统的自适应。
4、智慧车间情境建模
以“制造过程知识情境化”为主要目标，研究数字车间多元异构情境知识类型的表征及建模。
（1）针对通过多特征感知途径获取的人、机、环境、物料知识，搭建面向制造过程知识管理的情境表征平台；
（2）研究在线可视化的融合表征模型，构建数字车间制造行为知识对象集，以人的普适性认知为表征导向，构建面向制造行为知识对象集的映射关系模型，实现“设备”-“人脑”的信息传递。
（3）将获取的系统用户知识、领域专家经验、典型设计方法与工艺、技巧与问题求解策略等以情境案例的形式存储、表达并实现知识的聚类、检索与重用。并在此基础上构建面向制造对象的知识表达模型和面向制造行为的情境表达模型。引入可拓学基元理论，探索研究基于系统动力学的情境知识驱动模型。
二、机器人与智能装备
1、服务机器人技术。
研究度量隐私信息的方法，构建表达隐私内容的信息熵模型，构建面向视觉数据与语音数据的隐私信息实时检测方法。研究利用不同的传感设备协同监测目标对象的多模态转换方案，建立隐私信息向非隐私数据转化的近似等价模型。研究基于声纹识别技术、语音识别技术和语义分析的家庭成员饮食成份识别方法，构建其与健康指标（如血压、血糖、血脂）间的关联关系，形成一套面向大健康的家庭成员健康状态辅助监测方案。建立基于声音和机器视觉的复杂家庭环境导航技术，形成家庭环境下的服务机器人自主导航技术方案。开发具有隐私检测、家庭成员健康状态辅助监测功能的自主导航服务机器人原型系统。
2、无人机技术。
围绕无人机技术及其在农、林、建筑、工业等行业的应用，研究基于视觉等的精准控制的相关技术并开发相应的应用原型系统。
3、新型发动机技术。
研究压缩比调节、锁定及控制的系统结构，探究由于受发动机结构和工作带来的无位置反馈的液压系统的高精度位置控制理论和技术；研究发动机不同工况、调节参数、结构参数条件下系统的传动介质流动特性和调节响应特性、液压容积调节式可变压缩比系统的调节机理；构建气缸活塞位置预测模型与算法。
三、制造物联与制造大数据
1、大数据驱动的机械零部件故障诊断
针对重大装备和主机中的常见核心零部件故障，运用大数据领域的信息融合和机器学习，开展机械零部件故障诊断研究。具体研究内容包括：
1）研究多传感器数据采集与特征分析。针对工业实践中的不平衡数据，重构平衡数据集；通过多个传感器感知机械零部件状态数据，研究信号分析技术，构建零部件运行状态的特征图谱。
2）研究基于大数据的故障诊断模型。基于零部件运行状态的特征，研究和改进现有的大数据领域的机器学习方法，构建适合机械零部件故障诊断模型。
3）研究多故障识别模型融合与优化。在多个故障诊断模型的基础上，运用证据理论，研究多模型的辨识结果的融合与优化技术，进一步提升故障诊断的准确性。
2、大数据驱动的制造过程优化与决策
研究企业制造过程的数据采集、分析、整合、存储及挖掘，形成产品品质特性与制造过程数据之间的关联，构建反应产品质量的数据模型，实现制造过程管控与优化。
1）研究离散制造业制造过程数据采集方法；
2）研究制造过程多源异构数据特征提取及融合算法，实现对多源异构数据的统一描述，为制造过程数据挖掘、优化、控制提供数据源；
3）构建制造过程数据挖掘与分析模型，揭示产品品质特性与制造过程参数、工艺等之间的关联关系。
4）基于制造过程数据挖掘与分析模型，研发大数据驱动的制造过程优化与控制系统。
四、设计认知与交互设计
重点支持设计认知前沿理论与方法、复杂产品个性化定制理论与方法研究。
1、面向产品交互体验的多通道协同认知模型研究。
针对拥有复杂交互信息的产品（实体产品与信息产品），开展以下研究：
1）多通道感性行为认知数据获取及表征方法研究；
2）基于认知关联度计算的多通道感性行为认知数据融合方法研究；
3）可拓评价体系及基于效度的评价方法研究。
2、产品个性化定制理论与方法。
以智能设计为导向，重点支持产品设计过程中知识的获取、表征、传递、推理、重用理论及方法建模，解决设计过程知识“运算”问题。
1）产品个性化定制设计过程的知识模型；
2）设计过程知识的可拓语义表征方法；
3）概念设计与实例推理的知识建模关键技术研究；
4）以语义关联函数为核心的可拓优度评价方法；
5）情境知识驱动的产品设计支持系统。
3、基于混合现实的交互模式研究
重点支持混合现实基础理论及应用关键技术研究，研究内容包括：
1）混合现实技术背景下的大规模场景建模技术；
2）混合现实交互模式研究及应用；
3）混合现实体验系统可用性评价理论研究。
现代制造技术教育部重点实验室
2017年3月15日