常州先进制造技术研究所德国访问学习合作交流报告

《常州先进制造技术研究所德国访问学习合作交流报告》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、常州先进制造技术研究所德国访问学习合作交流报告公务出国报告出国类别：学习合作交流出国人员名单：施云高出访国家：德国出国时间：2018年8月19号—2018年8月25号报告日期：2018年9月13号一、概述由IEEE机器人与自动化学会（RAS）赞助的第十四届IEEE国际自动化科学与工程大会（IEEECASE2018）于2018年8月20日至24日在德国慕尼黑举行。IEEECASE是自动化IEEERAS顶级会议，是自动化跨行业和多学科研究的主要论坛。其目标是为研究人员，学者和从业者提供自动化基础研究的广泛覆盖和传播。研究所对此次学习合作交流活动十分重视，在行前，慎重选定出国学习合作交流人员

2、。行前团组多次召开学习交流准备会议，要求团组成员要明确此次活动的目的、意义，强调在出国交流期间，必须遵守国家有关外事纪律，遵守当地国家法律。二、学习合作交流的主要内容(一)慕尼黑工业大学（TechnischeUniversitätMünchen）慕尼黑工业大学坐落于德国南部巴伐利亚州（拜恩州）首府慕尼黑，是德国最古老的工业大学之一。慕尼黑工业大学是国际享有盛誉的世界顶尖大学，也是“柴油机之父”狄塞尔，“制冷机之父”林德，“流体力学之父”普朗特，文豪托马斯·曼等世界著名科学家及社会名人的母校。近现代以来，慕尼黑工业大学被认为是德国大学在当今世界上的标志。在世界著名机构以及杂志的各类排名中

3、，慕尼黑工业大学常年排名德国理工类大学榜首。迄今为止，慕尼黑工业大学已培养出17位诺贝尔奖得主。因其卓越的创新精神和优异的科教质量，慕尼黑工业大学于2006年被德国科研联合会(DFG）评为首批三所德国精英大学（Elite-Uni）之一，这不仅是德国高校的至高荣誉，还意味着更多的政府资金支持，慕尼黑工业大学同时也是德国TU9联盟大学之一，被德国政府列为“未来计划”中重点资助和扶植的对象。在德国教育部的大学科研排行榜（CHE）上，慕尼黑工业大学已经连续多年排名第一。特别是在和企业、实业界的产学研对接、合作上成就斐然，蜚声国际。2018年8月21日，学习合作交流团一行到德国慕尼黑工业大学加兴

4、校区参加第14届IEEE自动化科学与工程国际会议的开幕式，得到会议负责人BirgitVogel-Heuser教授及其成员的热情接待。会上来自中国科学院自动化研究所智能控制与系统工程中心的王飞跃教授作了题为：FromNewton’s“BigLawsSmallData”toMerton’s“BigDataSmallLaws”的专题报道。他提出在自动化的历史中，使用模型作用于系统分析和综合的工具的描述性控制在理论和应用领域占据了主导地位。今天，随着物联网，大数据，云计算和区块链成为智能自动化的新的通用基础设施，其超越了传统控制网络和社交系统等其他的现有方法。因此我们需要一种新的思维方式和行动

5、：从工业自动化到知识自动化，即智能自动机，用于在不确定性和多样性下进行复杂的信息处理和决策。显然，人工智能将在这一新的甚至是颠覆性的努力中发挥至关重要的作用。他简要总结了过去二十年来人类在MonadoticControl或ParallelControl的研究、开发和应用方面的努力，该模型主要用于知识表示和数据生成。具体而言，基于ACP的并行控制利用人工系统进行建模和描述，用于分析和预测计算实验，以及用于过程控制，行为管理和复杂系统目标的实际人工决策的并行执行，尤其是网络-物理-社会系统（Cyber-Physical-SocialSystems）。ACP方法提供了一个框架，支持“小数据到

6、大数据到小智能”的三个步骤，即从小数据生成大数据，然后通过各种AI方法将大数据减少到小智能或精确知识，用于特定任务。这使得人工智能技术在并行控制自动化中的无缝插入和集成，结合了描述控制，预测控制和规范控制，从IssacNewton的“大法则，小数据”到罗伯特默顿的“大数据，小法则”的范式转变。Monads，即软件定义的知识机器人，是并行控制的关键参与者，在知识自动化过程中发挥着重要作用。智能交通，自动驾驶，智能电网，化工厂以及农业，能源，生态，教育，艺术，医药和制造系统的案例研究都在本主题演讲中进行报告和讨论。（二）“生产系统的优化与监督”分会2018年8月22日，我们参加了“生产系统

7、的优化与监督”分会，会上聆听了题为“On-LineToolWearMonitoringViaSparseCodingBasedonDCTandWPD”的报告，报告指出刀具磨损一直是精密制造中的常见问题，它极大地影响了现代高速CNC制造的生产率。寻找一种能够监控刀具磨损条件的高效在线方法对于提高加工质量和节省成本是很有必要的。在传统的刀具磨损监测中，通过时频法对切削力信号进行特征提取通常是离线的，需要信号重构。提出了一种新颖的在线刀具磨损监测方法