复合垃圾衍生燃料制造技术是开发低成本、高固硫率和防潮抗水型，适用于工业锅炉燃用的复合垃圾衍生燃料，可以适量加入粘结剂或根据生物质具体性能对其进行生物化学预处理以适当提高其粘结力；可将复合垃圾衍生燃料的灰分、水分、挥发分、发热量、燃料比、粒径大小、焦渣特性、热变形特性等调整到有利于燃烧的最佳值，大幅度降低生产成本，使之发展成先进的高效清洁燃料。 该工艺的关键环节之一，是制备出适合我国现有锅炉燃烧的新型垃圾衍生燃料。RDF制备过程中掺入一定量的煤，不仅有利于提高热值，均匀分配物料，同时还可以起到助粘的作用；同时，压制成型块燃料，使其具有统一形状和规格，易实现成型时添加固硫、脱氯剂及催化剂等，再配套合适的燃烧设备，既有利于高效燃烧又能减少污染。该处理方式，可为国内垃圾提供一条新型资源化解决途径，这样既节省了处理垃圾的处理费和供热燃料费，又减少了固体废弃物。 本研究利用生物质型煤生产工艺来进行了C-RDF成型制备研究。复合垃圾衍生燃料炉前成型是指直接使用煤场的动力配煤，在不添加或添加少量粘结剂的条件下，由置于锅炉旁的成型机成型后直接下落到炉排上，供锅炉燃用。 垃圾衍生燃料成型工艺主要分为三个工序，即原料制备、搅拌成型和固结干燥。3个环节中重点在于原料制备环节。 垃圾衍生燃料之所以能在炉内燃烧过程中取得较散煤好的经济和环境效益，是由于燃料个体形状规格，使垃圾衍生燃料层具有均匀分布的空隙率，且其单个空隙容积较大，有利于可燃气体的反应。燃料层的空隙率大则通风阻力小，有助于降低风机电耗和结渣程度。 应用范围： 适合我国现有锅炉燃烧的新型垃圾衍生燃料。

受控电弧增材制造技术，是一种高效低成本增材制造技术。本技术主要包括受控电弧增材制造(3D打印)系统装备和和工艺技术，并且能够实现大型零部件产品的整体增材成形，研发了机器人受控电弧增材成形系统装备和工艺、数控专机型受控电弧增材成形系统装备和工艺，可实现不锈钢、高强铝合金、高强超高强钢、有色合金等中大型零部件的增材成形零部件。受控电弧增材成形速度10kg/h，表面粗糙度0.5mm，代表了国际3D打印技术新的发展方向，可在航空、航天、海洋工程、国防、轨道车辆、新能源、船舶、石油化工、重型机械等各行业获得

适用于院校智能制造、机电一体化、机械制造相关实习实训室设备建设、搬迁及改造，包括数控加工程序管控与机床设备状态监控、生产线的质量监控与质量追溯、生产线的工业应用管控平台与教学平台的集成及MES系统优化等 。

高精度模具制造

机械制造

针对国内锻造行业工厂具备的多品种、大批量、不能一物一码追溯的特点，以及自动化程度和信息化水平普遍较低的现状，开发了拥有十多项知识产权的制造执行系统，已在多家锻造工厂成功实施。 锻造工厂制造执行系统包括六大子系统：企业资源信息管理系统；产品工艺编制以及报价核价系统；生产过程二维码追溯系统；锻造模具成套管理及寿命预测系统；面向异构设备的多源信息融合工况辨识与统一管理系统；生产信息定制及云端发布查询系统。

本项目采用具有自主知识产权的专利技术，制备具有微滤和超滤特性的陶瓷中空纤维膜。本项目采用特殊工艺先通过挤出制备中空纤维原生膜，然后将涂膜液浸涂在中空纤维原生膜表面，经过特殊烧结工艺，得到陶瓷中空纤维超滤膜，本方法也可应用于蜂窝状陶瓷超滤膜。本项目的特点是：工艺简单，所用原料价格低廉，没有昂贵的设备；中空纤维或管式原生膜外表面浸涂勃母石溶胶一步烧结制备出不对称结构的陶瓷中空纤维和管式超滤膜，大大降低了烧结成本，进而降低陶瓷膜制备成本。

轴承智能制造生产示范线以滚动轴承装配为应用场景，基于云平台和工业互联网技术，研制出滚动轴承机器人自动装配作业生产线；运用数据化设计技术，建立滚动轴承机器人自动装配生产线三维数字化模型，结合深度学习等技术，实现滚动轴承装配作业流程优化和仿真；借助无线网和传感器，实时采集滚动轴承装配生产的过程数据，并上传云端，应用数据统计和机器学习技术，自动生成滚动轴承装配生产过程的数据报表；采用云端软件架构，开发集滚动轴承装配生产过程管理、实践教学管理、在线课程和远程教学指导等功能于一体的管理软件，为工科学生或企业员工学习云制造技术，提供一款忠于工业生产场景，云制造技术要素齐备，工艺流程短小精悍，便于实验实训组织和开展的典型生产线。 滚动轴承装配柔性生产组成：由原料货架、AGV、滚动轴承自动装配单元、工业相机、货架等硬件设备构成。工业互联网组建：机器人、PLC、AGV、工业相机等节点及现场传感器，通过工业互联网相连接。生产线数字化模型建立：利用虚拟仿真软件创建设备三维数字化模型。生产工艺流程重组、优化和仿真：基于效率、能耗或设备利用率等，运用智能调度算法，实现过程模拟仿真、流程规划。生产过程精细化管理和智能决策：建立生产过程数据采集和分析系统，利用工业大数据分析技术，自动调整生产工艺参数。

具有微纳多孔结构的聚四氟乙烯（PTFE）微孔材料在高效过滤、防水透声、高端织物、医疗器械等国民经济战略新兴产业的关键材料。但是，由于PTFE材料极难加工，近五十年来，只有美国Gore公司开发的拉伸法实现了PTFE微孔产品的大规模商品化生产，产值高达百亿。但是，拉伸法存在的一些顽固问题仍然没有得到解决，如产品均匀性、产品孔径与孔隙率的。本成果颠覆传统拉伸法，创造性地提出了基于剪切诱导原位成纤工艺，巧妙地解决了存在半个多世纪的问题，可制备具有高孔隙率、小孔径、高强度的高性能PTFE微孔材料，并且可根据生产需求灵活调整产品宏观性状与微观结构，仅通过简单的工艺参数调整，即可实现具有不同微观结构的平板膜、纤维、中空纤维膜、微孔泡沫等批量化生产。与拉伸法相比，本成果工艺灵活、设备简单、能耗显著降低、无环境污染，具有良好的产业化潜力。此外，本成果提供了一种具有普适性的PTFE微孔材料改性方法，可以通过先进的复合工艺实现具有高导电、高导热等功能化PTFE材料，有效填补市场空白。围绕本成果，已发表多篇国际论文、申请四项国家发明专利、两项海外专利，在油水/固液分离、先进织物等领域具有良好应用前景，相关产品已成功验证并得到多方行业内专家认可。

本成果提出了基于零件批量加工数据分析的加工工艺与流程优化，主要包括零件加工过程的工艺数据挖掘与机器学习算法、基于数据和机理模型相结合的零件加工精度预测、基于机器学习的零件加工工艺优化与决策、基于数据驱动的零件批量加工工艺优化方法验证这四方面。以下是各方面具体对应内容： 1）零件加工过程的工艺数据挖掘与机器学习算法：在数据挖掘与机器学习算法方面，搭建了轴类零件全流程加工工况数据实时采集硬件平台，实现对加工力、加工振动、主轴电流等工况数据的实时在线获取。 2）基于数据和机理模型相结合的零件加工精度预测：在航空薄壁件加工精度预测方面，对复杂曲面加工过程混合建模与全流程加工精度预测等理论开展了深入研究工作；建立了零件单工序/多工序加工精度预测混合驱动模型，实现了加工精度的高效高精预测。 3）基于机器学习的零件加工工艺优化与决策：在轴类零件全流程加工工艺优化与决策方面，围绕隐马尔可夫决策过程、遗传算法等理论开展了理论研究工作，结合轴类零件加工过程开展了优化工作；提出了加工参数自适应调控联合决策方法。 4）基于数据驱动的零件批量加工工艺优化方法验证：构建加工数据库1套，包含机床设备、加工刀具、加工参数、检测数据等四种类型数据。开发全流程加工智能推理软件1套（部署于中航发南方公司柔轴车间），实现航轴全流程质量数据感知与工艺优化，其中全流程误差建模与分析模块实现了端到端的零件加工质量智能推理，可以用于工艺设计与现场预先感知，加工过程工艺数据挖掘模块实现基于批量数据的多工序误差流分析，实现后续工序加工误差推理，加工过程工艺优化与智能决策模块实现了零件多工序加工质量数据推理与给定期望指标下的加工参数优化。 图1 本成果对应功能结构示意图 【技术优势】 围绕航空领域制造的加工质量问题，开展基于制造过程数据的工艺全流程智能决策技术与系统的研发，初步实现工艺与制造过程的智能控制。在数据挖掘与机器学习算法、航空薄壁件加工精度预测、轴类零件全流程加工工艺优化与决策、零件全流程加工质量智能推理与优化、智能加工产线智能决策技术应用与推广等多个方面实现了突破，具有显著的理论价值与应用价值。 规范制定方面，研究了薄壁件加工误差产生的深层机理，构建了批量零件加工过程中误差传递的理论模型，探究了机床、夹具、刀具、加工参数全方位、多层次的因素对于零件加工误差产生的影响规律，提出了零件加工工艺与流程优化策略，形成制定面向航空发动机大长径比轴类零件的决策规范，规定轴类零件全流程加工过程中机床、刀具、装夹、加工参数四个方面的具体要求。通过中国航发南方工业有限公司企业标准体系管理系统制定、修改、审批，形成《航空发动机轴类零件加工工艺优化与决策技术规范Q/2B 1586—2022》。 软件开发方面，将上述理论成果进行高度集成，开发了零件全流程加工智能推理优化软件（MIO软件）。软件集成了四大功能模块，包括加工工艺数据库、全流程误差建模与分析、加工过程工艺数据挖掘、加工工艺优化与智能决策。相关知识与优化规则形成权。全流程加工智能推理优化软件以及知识库软件通过第三方测评，测评机构具备MA与CNAS认证资质，最终形成《零件全流程加工智能推理优化软件第三方测试报告》、《智能加工产线工艺全流程智能决策工艺知识库软件第三方测试报告》。 应用验证方面，结合航空发动机制造具体需求，将相关成果应用到某型号航空发动机轴类零件（动力涡轮传动轴）加工生产中。将零件全流程加工智能推理优化软件部署在航轴加工车间，在验证产品的加工设备上部署了数据采集装置，实时采集加工过程数据，集成企业工艺资源数据库和产品数字化检测系统，获取机床、夹具、刀具、产品质量等信息，构建了加工工艺数据库，开展了航轴加工工艺分析、现场加工质量预先感知、加工工艺与流程优化、现场实际加工验证等工作。通过南方公司现场应用验证，零件次品率平均降低54.53%。（2019年至2020年优化前，次品率为8.38%；2021年6月至2022年5月优化后，次品率为3.81%）。相关应用验证通过了中国航发南方公司的效果认定，并形成用户报告。 【技术指标】 1）采用机理模型/有限元仿真技术获取切削力/热/柔度/加工误差数据集，构建代理模型实现了切削过程的毫秒级预测，切削过程关键物理量的预测时间优于10毫秒。 2）建立了机理模型与小样本工况数据混合驱动的预测模型不确定分析与量化模型，提出了贝叶斯框架下的不确定校准方法，实现了加工误差快速（毫秒级）精准（偏差小于5微米）预测。 3）提出了航轴加工质量状态估计方法，建立了现场多源数据信息串联模型，基于隐马尔科夫的决策模型，实现工序间感知平均误差控制在9.21%内。 4）建立了加工次品率与加工参数约束集间双向映射互通模型，首次提出了基于隐马尔科夫模型与遗传算法的联合决策方法框架，联合决策优化框架保证次品率降低优于50%。