针对目前汽车、机床、航空航天等机械行业关键件的结构强度、加工质量控制的技术需求，基于有限元仿真 CAE 技术提出最佳解决方案，提高生产效率、降低企业成本，通过合理优化结构静动态特性、加工工艺参数等，提升结构部件的稳定性及质量。 

1.逆向工程：根据对实物样件进行激光扫描采集数据，运用CATIA进行逆向设计，得到三维数模，输出二维产品图。 2.产品检测：扫描仪提取实物三维数据，对比设计数据（利用产品图建立的数模），检测产品误差。 该项技术是一种非常高效的产品设计思路和方法，可以迅速、精确、方便地获得实物的三维数据及模型。该技术有以下优势：①改变了传统产品设计研发模式，大大缩短了产品开发的时间周期，提高了产品研发的成功率以及产品对于市场的快速响应能力，为产品提供了先进的开发、设计及制造的技术支撑。②该项技术使产品外形设计变得简单易行，对于曲率复杂的产品（如汽车车身等），采用该项技术可快速的将概念设计的实物模型转化为三维模型，从而便于模具的设计和开发。

通常达到机械轻量化的主要途径有两种：一是改进机械本身使用的材料，二是采用先进设计手段，使机械结构更加合理。采用新型材料由于制造成本、加工工艺、环保等方面的问题，新材料很难用于一般机械上，而通过结构优化在保证满足性能要求的前提下，实现轻量化却更具有实际意义。 本技术就是结合CAD技术、有限元技术、博弈技术、拓扑优化技术、数据挖掘、多目标优化等技术对机械结构进行轻量化设计的技术。采用本技术在保证强度、刚度、稳定性、加工成本的前提下减少质量，降低成本。

机械运动方案设计综合训练实验台把电气控制和机械的组装调试结合到一起，给学生提供了广阔的创新空间。既训练了学生的运动方案设计能力，又培养了亲自动手组装调试的能力；既有机械设计的整机思想，又有控制与机械结合的系统观念。使学生得到全面的训练。 机械运动方案设计综合训练实验旨在加强对学生创新能力的培养和综合设计能力的训练。学生通过不同原动机的性能分析，不同传动装置的分析比较，确定合适的传动方案来实现工作机的往复直线运动。了解各种原动机的性能，参数，应用场合，分析往复直线运动的实现方式，设计出多种传动方案，并对其进行运动学分析和动力学分析后得到较优的方案。 在实验台上对设计好的各种方案进行搭建，从组装过程，运动情况进行综合分析，给出最终的方案。机械运动方案设计综合训练的特色在于通过多个环节的训练，使学生不但对设计的总体过程有更深的理解，同时锻炼了学生发现问题和解决问题的能力。

奖励类别及等级：2018年国家科技进步一等奖 成果简介：      项目针对软弱地基工程建设的迫切要求，并结合我国发展中国家的国情，经过近30 年科技攻关，在复合地基理论体系、考虑基础刚度影响的路堤下复合地基设计理论和方法、经济高效的新型复合地基技术和复合地基工程应用体系等四个方面取得自主创新突破，形成系统的复合地基理论、设计方法和关键技术，主编我国复合地基相关主要规范、标准5部，参编1部；出版学术著作6部，发表SCI/EI论文360篇；授权发明专利17项、实用新型专利39项；获批国家及省部级工法4项。成果已成功应用于京津城际高速铁路、京沪高速铁路、京沈客运专线、通平高速公路等重大工程中，产生了巨大的社会经济效益。

仿生表面织构起源 传统摩擦学认为光滑表面具有较低摩擦力和磨损，反之，非光滑表面会带来较大的摩擦力和磨损。而自然界进化过程中，某些生物的表面微观结构具有优异的自润滑和抗磨减磨性能，如鲨鱼皮表面微沟槽表现的超低流体阻力，穿山甲表面微结构的优异耐磨抗磨性能。因此，如能掌握其机理，则可进行工业应用。 钻头轴承及压裂泵柱塞密封系统仿生织构润滑减磨设计及应用 织构化钻头轴承 钻头作为破碎岩石形成井眼的重要工具之一，在高温高压、冲击动载及贫脂润滑的恶劣环境下，其核心部件钻头滑动轴承易发生黏着磨损从而最终导致钻头整体失效破坏，亟需降耗增寿的新技术来为其安全、可靠使用和延寿经济运行保驾护航。 发明了基于多物理场耦合的超快激光精准高效制备的冰霜辅助超快激光刻蚀分束技术（US17026096，ZL202011229792.1），形成了钻头轴承轴径曲面仿生织构的纳秒/皮秒的激光加工与表征评价方法；目前正在与中国科学院上海光学精密机械研究所和中石化江钻石油机械有限公司开展钻头轴承织构工业化的超快激光加工与质量检测流水线建设和现场应用研究测试，可满足织构化钻头2000支的年产量需求。 建立了织构钻头轴承润滑减磨性能优化设计的理论研究与实验测试评价方法(ZL201310416270.6，ZL201710973537.X，.ZL201810946598.1）。以摩擦系数、磨损量、油膜厚度、温升和无量纲承载能力等为评价指标，基于理论研究、单元实验和全尺寸的台架实验，模拟测试工况下初步优选的圆形、椭圆形、人字形沟槽织构可使钻头轴承减磨性能和寿命提升50%以上。 织构化柱塞密封系统 柱塞动密封系统是油气增产压裂作业实施中压裂泵装备的关键部件之一，其在超高压、冲击动载及交变往复运动工况下，压裂泵柱塞动密封系统易发生磨损失效而导致密封刺漏等失效，是制约压裂泵工作性能、可靠性和作业成本的关键因素， 亟需创新的设计方法来提升压裂泵柱塞动密封系统的寿命及可靠性。 发明了柱塞表面仿生织构大尺寸拼接刻蚀工艺规划及参数优化设计方法（ZL201910892024.5）， 创新研发了柱塞织构批量化激光分束加工的软件控制系统和配套夹具系统。 发明了表面织构化压裂泵柱塞及其动密封系统性能抗磨减磨性能优化设计的理论研究与试验测试评价方法(ZL201310423514.3)，基于理论模拟、单元及全尺寸台架实验，初步优选的圆形和椭圆形织构布置于压裂泵柱塞表面可实现柱塞动密封系统的摩擦系数和温升降低45%以上，寿命延长30%以上，目前正在与中石油第四石油机械有限公司和中油国家钻井装备工程技术研究中心有限公司开展现场应用试验测试。 未来应用前景及市场规模预测 该技术垂直应用领域为油气勘探开发装备、油气集输装备、通用机械装备的润滑、密封、抗冲蚀与减阻等领域，摩擦消耗了一次能源的1/3以上，80%的装备失效是由磨损引起的。两者造成的损失相当于GDP2%-7%，2019年我国的GDP为99万亿元，按5%计算约为4.95万亿元。

虚拟设计与仿真、信息技术与机械工程的结合，是 21 世纪工程领域的重要发展方向 与战略制高点。机械工业发展水平的最重要标志是机型的自主开发、设计与制造能力。 实际工程应用对仿真环境提出的挑战，虚拟设计和仿真对计算机性能的要求十分苛刻。 一个典型的机械产品的装配有成千上万个零件装配，一个机械性能的仿真更需要进行几 十个工况每次若干小时的大量计算和接近实时的渲染。通过产品结构动态特性等全方位 的分析仿真，可实现面向实际产品原理、结构和性能的设计、分析、模拟和评测。运用 新技术，配合国家重大工程建设，完成了重大机械设备和施工装备的开发。如节段施工 架桥机；900t 运梁车、提梁机机电液一体化整机开发；大型开闭式屋顶建筑机械及控制 成套技术等。 技术指标 帮助提高创新产品研发的研发能力。提供大型机电液一体化机械装备全套技 术或开发 

计算机辅助工程（Computer Aided Engineering，CAE）分析是利用有限元分析、数值分析以及图形图像等技术模拟产品的实际工况，从而获取产品的静动态性能指标。采用CAE 分析技术，能大大缩短产品的开发周期，优化结构，降低成本，提升企业的市场竞争力。此项技术已广泛于航空航天、汽车、机车、电子、土木等各行各业，是企业产品创新设计时的不可缺少的有力保障。但CAE分析模型的建立异常冗繁，且有限元分析理论和相应的软件使用对于企业技术人员来说，仍是一个难点问题，为此，利用VC++和APDL等开

本发明实施例提供一种水泵叶片设计方法及系统，该方法包括：根据叶片的轴面投影图及载荷分布曲线，计算获得木模图上的前盖板流线及后盖板流线；在木模图中，测量每条轴面截线与前盖板流线的交点对应的第一半径值以及每条轴面截线与后盖板流线的交点对应的第二半径值；在轴面投影图中，根据第一半径值确定轴面截线在前盖板曲线上的第一边界点以及根据第二半径值确定轴面截线在后盖板曲线上的第二边界点；在轴面投影图中，基于设定的轴面截线变化规律，分别连接每个第一边界点及对应的第二边界点，获得光滑的轴面截线。本发明实施例通过对轴面截线进行有规律的光顺处理，消除了反问题设计过程中因给定的流场分布不合理造成叶片表面扭曲问题。

随着纳米光子学的发展，具有超颖性质的人工微结构吸引了众多研究。针对日益增长的研究和设计需求，北京大学物理学院方哲宇及其研究团队实现了一种自洽的框架——BoNet，其结合了贝叶斯优化（Bayesian optimization）和卷积神经网络（convolutional neural network），实现了纳米结构对于超强光学手性的自学习。基于此框架，他们将纳米结构设计表示为图形，并输入卷积神经网络进行电场分布和反射光谱的学习，此过程不需要将纳米结构参数化为向量，因此最大化的保留了其几何信息和边界条件。同时，利用贝叶斯优化以实现对纳米结构远场光学手性的优化，并运用其采样样本反复训练神经网络实现自学习。利用BoNet，他们针对远场反射光谱的圆二色性进行优化并逼近了其理论极限(CD = 1)，同时利用神经网络匹配预测的近场电场分布，对获得的强光学手性进行分析解释。 此框架能够被直接推广用于其他光学性质的自学习优化，例如实现反常透射，偏振态调制和相位调制。更进一步的，此方法论能够帮助设计更多的，具有良好光学性质和运用价值的纳米光子学器件，比如消色差超透镜，超灵敏的微传感器以及智能超表面等。此研究同时能够启发更多数据驱动的研究，通过利用人工神经网络和其他机器学习的方法，实现对传统科学研究的新探索，在制药，引物设计，固体结构分析上启发新突破。 该工作于2019年11月19日在线发表于学术期刊《PHYSICAL REVIEW LETTERS》上，题为“Self-Learning Perfect Optical Chirality via a Deep Neural Network”(DOI: 10.1103/PhysRevLett.123.213902)。北京大学物理学院方哲宇研究员是本文的通讯作者，李瑜，徐优俊，姜美玲为该文的共同第一作者，北京大学定量生物学中心来鲁华教授为合作者，北京大学为唯一通讯作者单位。该工作得到得到了科技部、教育部、国家自然科学基金委、北京大学人工微结构和介观物理国家重点实验室、北京大学纳光电子前沿科学中心、量子物质科学协同创新中心、北京大学高性能校级计算平台、北京大学生命科学中心高性能计算平台等单位的支持。用于近远场计算的神经网络结构表征实现了逼近理论极限的高手性，并利用神经网络对近场分布进行分析