为推进智能制造领域多学科交叉融合，助力研究生拓宽科研视野，赋能新质生产力培育，由智能制造技术教育部重点实验室主办的智能制造系列学术论坛・研究生学术分享会于 2026 年 7 月 1 日下午 15:00，在桑浦山校区科技楼 521 会议室开展。本次活动由刘金龙老师主持，邀请了钱忠豪、王全顺、丁成峰三位研究生依次作专题成果汇报。张健教授、邹安民教授、凌四营教授、张汉瑞副教授等多位教师到场参会，并在互动环节与汇报人深入研讨交流。

第一位汇报人为郝志峰教授团队研究生钱忠豪，报告题目为《Causal Discovery with Linear Partially Non-Gaussian Measurement Error Model》。针对现实观测数据普遍存在高斯测量误差、传统因果推断方法识别效果受限的难题，他构建线性部分非高斯测量误差模型，利用三阶及以上高阶累积量消除高斯噪声干扰，提出基于高阶辅助残差独立性的因果结构识别理论，并完成严谨理论推导与假设论证。汇报结束后，张健教授针对算法精度提升幅度、模型适用场景、高斯误差假设的工程合理性、高阶统计量计算难点等核心问题展开提问，钱忠豪结合仿真数据集实验结果、理论边界局限性逐一作出细致解答。

随后，张健教授团队研究生王全顺带来《风电机组装配产线高阶可重构设计研究》主题汇报。当前风电设备大型化迭代速度加快，传统产线适配性差、改造成本高昂，为此他提出面向产品多阶段需求演化的产线可重构设计方法，通过需求域到物理域多级映射，构建演化状态空间，借助层次聚类划分设备模块，区分稳定复用、可调切换、大幅改造三类模块，实现产线迭代式重构优化。经实例验证，该方案模块平均重用率较现有设备提升 9.3%。交流环节中，邹安民教授针对研究所采用的凝聚层次聚类方法、聚类初始样本选取逻辑展开提问，王全顺对比多种聚类算法优劣，说明该方法高效适配模块划分的核心优势，并阐述指标样本的筛选依据。

最后，凌四营教授团队丁成峰作《亚微米精度渐开线样板精密测量及制造工艺研究》汇报。渐开线样板是齿轮加工精度校准件，国内一级精度渐开线样板加工制造仍存在短板。课题组自主研发新型通用测量装置，可无需更换测头适配不同基圆样板测量；系统开展高低温回火稳定性试验，明确温度对样板齿廓偏差的影响规律；迭代优化渐开线样板抛光全套工艺，搭配自研抛光介质实现渐开线样板齿面粗糙度Ra低至10纳米，加工精度优于国标要求，相关技术已取得多项授权专利。张健教授围绕渐开线曲面研磨实现方式、高精度装置配套零部件精度管控、该工艺产业化落地瓶颈等问题与汇报人深入交流，丁成峰结合实验室自研加工设备、砂轮损耗管控方案、行业市场现状作出完整回应。

本次三场报告分别从数据科学因果推断算法、风电装备智能产线设计、超精密机械制造工艺三大智能制造细分方向展开，覆盖理论建模、系统设计、工程工艺完整研究链条，实现不同学科方向知识交叉碰撞。

智能制造系列学术论坛为双周常态化交流活动，后续将持续组织研究生开展成果分享，持续完善学术交流配套机制，鼓励研究生主动参与提问研讨，在思想碰撞中破解科研难题，全面提升学生科研创新能力与学术交流综合素养。