近年来，随着智能制造与自动化技术的快速发展，工程机械、机床等装备正迈向更加绿色化和智能化的新时代。IDEAL团队在该领域持续深耕，围绕挖掘机自动化控制、智能感知与数据驱动建模等关键问题展开研究，取得了一系列进展。
1. 电动微型挖掘机研制
2023年，IDEAL团队成功研制了一款电动微型挖掘机。该挖掘机采用先进的电驱动系统，不仅具备更高的能源利用效率，还可在复杂环境中实现精准操作。该项目为工程机械向绿色低碳化发展提供了技术支撑，也为后续智能化研究奠定了坚实基础。
图1 电动微型挖掘机
2. 挖掘机铲斗与物料相互作用建模
挖掘机的作业性能与铲斗-物料之间的复杂相互作用密切相关，准确建模该过程对于提升自动化作业能力至关重要。IDEAL团队针对该问题，在感知、建模和数据驱动方法方面展开深入研究，取得了一系列国际领先的成果，并在国际权威期刊发表多篇论文。
研究引入物理信息机器学习（Physics-Informed Machine Learning, PIML）方法，结合物理约束与数据驱动模型，实现对挖掘机作业阻力的精确建模与预测。该方法有效提升了建模精度，为挖掘机自动控制提供了可靠的作业负载估计手段。相关成果发表在中科院一区Top期刊Mechanical Systems and Signal Processing。
S. Li, S. Wang, X. Chen, G. Zhou, B. Wu, L. Hou, Application of physics-informed machine learning for excavator working resistance modeling, Mechanical Systems and Signal Processing 209 (2024) 111117, https://doi.org/10.1016/j.ymssp.2024.111117.
图2 基于物理信息机器学习的作业阻力测量方法
由于挖掘环境的高度不确定性，传统方法难以准确评估物料挖掘难度。IDEAL团队提出了一种基于贝叶斯深度学习（Bayesian Deep Learning, BDL）的方法，实现对不同物料的挖掘难度识别，同时对预测结果的不确定性进行量化。该研究为智能挖掘规划与决策提供了数据支持。相关成果发表在中科院一区Top期刊Journal of Industrial Information Integration。
S. Li, S. Wang, X. Chen, G. Zhou, L. Hou, Identification of material excavation difficulty and uncertainty analysis based on bayesian deep learning, Journal of Industrial Information Integration 42 (2024) 100728, https://doi.org/10.1016/j.jii.2024.100728.
图3 基于贝叶斯深度学习的物料挖掘难度识别与不确定性分析方法
为提升挖掘机的自动化作业能力，IDEAL团队基于多传感器数据融合，结合深度学习技术，提出了一种铲斗填充率预测方法。该研究可实现实时预测挖掘机铲斗的填充状态，为自动化装载和智能调度提供重要支持。相关成果发表在中科院一区Top期刊Automation in Construction。
S. Li, G. Zhou, S. Wang, X. Jia, L. Hou, Multi-sensor data fusion and deep learning-based prediction of excavator bucket fill rates, Automation in Construction 171 (2025), https://doi.org/10.1016/j.autcon.2025.106008.
图4 多传感器数据融合与深度学习驱动的铲斗填充率预测方法
3. 异种镍基合金复杂构件高质量增减材复合制造
增材制造异种镍基合金缺陷控制与其力学性能密切相关。但高Ti-Al含量镍基合金在增材过程中仍面临开裂的重大挑战，且无法获得稳定的加工质量，严重影响合金使用性能。IDEAL团队针对该问题，自主研制了LV650C五轴增减材复合加工中心，在增/减材复合加工镍基合金领域开展了开裂抑制、策略优化和性能调控等一系列深入研究，取得了一系列瞩目成果，并在国际权威期刊发表多篇论文。
异种镍基合金在增材过程中的开裂行为，严重影响合金力学性能。虽然成分设计、外场辅助等开裂抑制手段具有一定的开裂抑制效果，但无法满足复杂构件的工程应用。IDEAL团队提出了一种可操作性强的开裂抑制策略，实现异种镍基合金的开裂抑制以及力学性能调控。该研究为复杂构件的增减材复合制造及其工程应用提供了基础工艺支撑。相关成果发表在中科院一区Top期刊Virtual and Physical Prototyping。
Y. Li, Y. Tang, Y. Shi, Y. Chen, L. Hou, C. Yan, Z. Xu, Cracking behaviour, microstructure evolution, and mechanical properties of GH4169/K477 by laser directed energy deposition, Virtual and Physical Prototyping, 20 (2025), https://doi.org/10.1080/17452759.2024.2449180
图5 基于能量输入精准控制的异种镍基合金开裂抑制与性能调控
以上研究得到国家自然科学基金得到国家自然科学基金（51975495、51905460）、福建省重大专项（2022HZ026025）、福建省自然科学基金（2022J01060）、福建省中央引导地方科技发展项目（2022L3049）、福州市科技计划项目（2022-P-022）等支持。电动微型挖掘机的研发和制造得到了厦门厦工众力兴智能科技有限公司的大力支持，在此一并致谢。
