机械学院

摘要： 在河北工业大学机械学院2011级机电专业班的课桌上,有一位年近50岁的“特殊学生”,她叫陶艳波,和她同桌的是她失聪的儿子杨乃斌。一岁时,杨乃斌一次高烧导致耳膜出血,从此成了一级听力残疾。为了让失聪的儿子能像正常人一样学习,陶艳波辞职跟着儿子全程陪读,变成了孩子的耳朵。风雨兼程16年,漫长而枯燥的同桌陪读,母爱让儿子梦想成真,更创造出失聪儿子的人生奇迹……

摘要： 2019年4月1日,中国工程院学术期刊(机械分刊、工程管理分刊)工作交流会在华中科技大学梧桐语问学中心举行。中国工程院主席团名誉主席周济院士、校长李元元院士、工程管理分刊执行主编丁烈云院士、机械学院丁汉院士参加交流会。交流会由分管科技工作的副校长张新亮主持。周济院士在讲话中指出:在历史发展的新阶段,国家对学术期刊的发展提出了更高要求,我们要把握好世界科学发展大势,把创办世界一流学术期刊作为明确的发展目标。中国工程院将全力支持两本期刊的发展,希望学校高度重视、特别安排、共同推进,实现期刊向更高的质量发展。

摘要： 机械工程学院的学生是现代高等教育中一个特殊的学生群体.随着社会市场经济不断深入发展,学生思想政治教育工作从学生、学校、社会、心理、价值观等角度均面临特殊困难.现有单一模式的思想教育不能适应新时期思想政治教育的环境,必须倡导多形式的、灵活多样的思想政治教育.本文针对当前机械工程学院学生的特点和思想实际,对思想政治教育的方法和载体进行创新和改革,切实提高学生思想政治素质.

摘要： 在东北大学，有这样一个特殊的地方，东大人都亲切地称之为“机器人部落”。部落的主人正是东北大学机器入团队——Action，一群“正青春”的大学生。团队自成立以来，历经十数年的磨砺，已经发展为集竞赛一科研一产业于一体的团队。团队核心成员主要是来自信息学院、机械学院、计算机学院、软件学院的在校本科生，以全国大学生机器人大赛Robocon为主线，并积极参与各类大学生创新活动。

摘要： 1969年至1972年间，周恩来3次力保北京机械学院（“文革”开始后迁至陕西汉中）教师康国雄。众所周知，周恩来出面保护的主要是老干部和知名人士，康国雄何以获此殊荣？

摘要： 我是拿国务院特殊津贴的教师,在那份证书上写着'对高等教育有特殊贡献'。如今虽然退休了,但我不能白拿这份津贴享清福。——蒋克铸这是他为学生上的'最后一课'。2017年岁末,在浙江大学玉泉校区第一教学楼报告厅,浙江大学84岁的蒋克铸教授为150名来自各个年级和专业的学生,上了一堂'漫谈设计思维'课。这一次,84岁的蒋克铸仍然'倔强',连续站着三小时为学生上课。他说:怕人走了,经验没有留下来。

摘要： 在祖国的北方屹立着这么一座古城——太原,这是一座兼具现代化与传统文化特色的城市。这里的人民淳朴,热情好客。中北大学由此孕育而生。学校位于太原的尖草坪区,三面环山,背依汾河水,邻傍窦大夫祠,青山绿水美不胜收,甚是惹人喜爱。她的一颦一笑牵动着学子的心弦,使他们流连忘返,又有多少毕业后漂泊在外的游子重新回到她的身边,只为再看她一眼。这种印记无人可以抹灭掉,早已深入众多学子的心。中北大学原来叫太原机械学院,后改名为华北工学院,

摘要： 中北大学坐落于中国历史文化名城——太原,由国家国防科工局与山西省人民政府共建、以山西省人民政府管理为主。学校前身是1941年由彭德怀在太行抗日根据地创办的我党我军第一所兵工学校——太行工业学校,被誉为＂人民兵工第一校＂。建国后发展为兵工中等专业学校;1958年,升格为太原机械学院;1963年,划归国防科委直接领导,成为当时的国防工业8大本科院校之一;1993年进入华北工学院发展时期;2004年,更名为中北大学。

摘要： 智能手机、平板电脑、3D打印机等高新电子设备的广泛应用,顺应了物联网蓬勃发展的趋势。它们像一台台永不停歇的发动机,驱动着人类走进现代文明。经过代代创新更迭,以数字化生存和智能决策为核心的电子类产品将进一步解放人类束缚,为人类打造更快捷、时尚、健康、有趣的文明生活。武汉大学动力与机械学院副教授周圣军认为,科研技术成果应转化为产能,企业创造利润再促进技术创新,通

摘要： 近日，“英飞凌-清华大学汽车电子教学联合实验室”正式成立，来自英飞凌汽车电子事业部高级副总裁Anton Mueller和清华大学汽车系系主任、机械学院副院长杨殿阁教授共同为实验室揭幕。联合实验室的建立将助力培育中国未来的汽车电子工程师，这是英飞凌中国大学计划在汽车电子领域的又一重要举措。

摘要： 一种机械学习装置(20)，其对与握持工件(40)而输送的装载机卡盘(32)和握持工件(40)而接收的主轴卡盘(31)之间的工件(40)的交接中的由主轴卡盘(31)实现的工件(40)的抓持及由装载机卡盘(32)实现的工件(40)的放开中的至少一方对应的等待时间进行学习，该机械学习装置(20)具有：状态观测部(25)，其将等待时间和来自使装载机卡盘(32)移动的驱动单元(37)的FB电流(55)作为状态变量(56A、56B)进行观测；以及学习部(21)，其按照基于状态变量(56A、56B)创建的数据组，对将工件(40)的交接时间缩短的等待时间进行学习。

摘要： 本发明涉及一种机械学习装置、故障预测装置、机械系统及机械学习方法。机械学习装置具备：状态观测部(11)，其观测根据与网络连接的设备(2a～2c)的硬件结构、制造信息、运转状况、使用条件以及检测周围环境状态的传感器的输出的至少一个而得到的状态变量；判定数据取得部(12)，其取得判定与上述网络连接的设备的电子部件有无寿命故障或寿命故障的程度而得的判定数据(Dd)；以及学习部(13)，其基于根据上述状态观测部(11)的输出以及上述判定数据取得部(12)的输出而生成的训练数据和教师数据(Dt)，学习与连接至上述网络的设备(2a～2c)的电子部件的寿命故障相关联的条件。

摘要： 本发明提供一种机械学习方法及机械学习装置、故障预知装置及系统。故障预知系统(1)具备学习与工业机械(2)的故障相关联的条件的机械学习装置(5)。机械学习装置(5)具备：状态观测部(52)，其在工业机械(2)动作中或静止中观测由传感器(11)的输出数据、控制软件的内部数据、或基于这些数据得到的计算数据等构成的状态变量；判定数据取得部(51)，其取得判定了工业机械(2)有无故障或故障程度的判定数据；学习部(53)，其按照基于状态变量以及判定数据的组合而生成的训练数据组，来学习与工业机械(2)的故障相关联的条件。

摘要： 本发明涉及机械学习器及机械学习方法、层叠芯制造装置及系统。该机械学习器，学习将多张芯板进行层叠来制造层叠芯的层叠芯制造装置的动作，该机械学习器具备：状态观测部，其观测上述芯板以及上述层叠芯制造装置的状态；以及学习部，其根据通过上述状态观测部观测到的状态量来更新将上述芯板进行层叠的操作量。

摘要： 本发明涉及一种学习对电动机的动作指令的机械学习方法、机械学习装置以及具备该机械学习装置的控制装置以及电动机装置。一种能够与周围温度对应地使电动机有效地动作的控制装置。控制装置具备学习对电动机的动作指令的机械学习装置。机械学习装置具备状态观测部和学习部。状态观测部观测电动机装置的周围温度和电动机的周期时间，作为状态变量。学习部按照根据判定数据取得部取得的判定数据与状态变量的组合而生成的训练数据集，学习对电动机的动作指令。

摘要： 本发明涉及学习对象物出货时检查信息与运转时警告信息的相关关系的机械学习装置以及机械学习方法。该机械学习装置学习将对象物出货时检查到的出货时检查信息与上述对象物进行运转期间产生的运转时警告信息之间的相关关系，该机械学习装置具备：状态观测部，其观测上述出货时检查信息以及上述运转时警告信息；以及学习部，其根据通过上述状态观测部观测到的上述出货时检查信息以及上述运转时警告信息来制作学习模型。

摘要： 本发明提供机械学习器、电动机控制装置以及机械学习方法。机械学习器(2)学习电动机(11)的电流指令，具有：状态观测部(21)，其对状态变量进行观测，该状态变量包含所述电动机(11)的电动机转矩、电动机电流和电动机电压中的至少一个、以及所述电动机(11)的电动机转速或者电动机转矩指令；学习部(22)，其根据由所述状态观测部(21)观测到的所述状态变量，学习所述电动机(11)的电流指令。

摘要： 一种机械学习装置(20)，其对与握持工件(40)而输送的装载机卡盘(32)和握持工件(40)而接收的主轴卡盘(31)之间的工件(40)的交接中的由主轴卡盘(31)实现的工件(40)的抓持及由装载机卡盘(32)实现的工件(40)的放开中的至少一方对应的等待时间进行学习，该机械学习装置(20)具有：状态观测部(25)，其将等待时间和来自使装载机卡盘(32)移动的驱动单元(37)的FB电流(55)作为状态变量(56A、56B)进行观测；以及学习部(21)，其按照基于状态变量(56A、56B)创建的数据组，对将工件(40)的交接时间缩短的等待时间进行学习。

摘要： 本发明涉及一种机械学习装置、故障预测装置、机械系统及机械学习方法。机械学习装置具备：状态观测部(11)，其观测根据与网络连接的设备(2a～2c)的硬件结构、制造信息、运转状况、使用条件以及检测周围环境状态的传感器的输出的至少一个而得到的状态变量；判定数据取得部(12)，其取得判定与上述网络连接的设备的电子部件有无寿命故障或寿命故障的程度而得的判定数据(Dd)；以及学习部(13)，其基于根据上述状态观测部(11)的输出以及上述判定数据取得部(12)的输出而生成的训练数据和教师数据(Dt)，学习与连接至上述网络的设备(2a～2c)的电子部件的寿命故障相关联的条件。

摘要： 以短时间、高精度地推定强热减量。强热减量推定装置(1)包括一个或多个处理器，其使用通过机械学习构筑的学习后模型(LM)执行推定铸件砂的强热减量的推定步骤。学习后模型(LM)的输入为(1)在焙烧期间中检测的与所述铸件砂的重量有关的砂重量数据、(2)与所述铸件砂的性质有关的砂性质数据、与在所述铸件砂中添加的添加物有关的添加物数据和在所述焙烧期间中检测的与焙烧环境有关的焙烧环境数据中的至少任一个。学习后模型(LM)的输出为强热减量的推定值。