智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。人工智能、大数据、未来网络成为智能制造方向的核心基础，深度学习是机器学习的一种，而机器学习是实现人工智能的必经路径。深度学习是学习样本数据的内在规律和表示层次，并结合机理给出可解释，以深度学习为代表的人工智能方法，在机电装备及系统的状态监测、故障诊断等领域发挥重要的作用，如3D打印制造过程质量监控、卫星姿态控制与在轨故障预测、核电机组服役安全等领域。
       重大装备因为空间狭小、探测危险、难以到达等原因，在ABC等各类检修状态下，需要智能检测机器人，典型如：超长柔顺机构为代表的软体机器人、新型吸附与驱动原理的微小机器人。以航空发动机快速外场维护需求为牵引，致力研究“柔顺连续体机器人+微小爬行机器人+具身智能人形机器人+大数据深度学习监测诊断方法”的下一代智能检测模式。

(1) 深度学习

       深度学习的可解释性是研究难点，如何结合风电、核电、卫星及其天线在轨制造与检测、3D打印制造过程等物理机理，实现人工智能方法可解释性的原理与方法突破，是研究重点。    

项目:  重点项目：智能检测机器人，2500万元

 重点研发计划：激光粉末床熔融增材制造在线监控与质量评价技术，2000万元
 强静电粘附的微结构履带材料结构功能一体化设计研究，国家自然科学基金    

论著:  (1)《智能运维与健康管理》，机械工业出版社，2020年

 (2) 赵志斌, 王晨希, 张兴武, 陈雪峰, 李应红. 激光粉末床熔融增材制造过程智能监控研究进展与挑战[J]. 机械工程学报, 2023, 59(19): 253-276.

 (3) 马吉良, 彭军, 郭艳婕, 陈雪峰. 爬壁机器人研究现状及发展趋势[J]. 机械工程学报, 2023, 59(5): 11-28.

 (4) Fujin Wang, Zhi Zhai, Zhibin Zhao*, Yi Di, and  Xuefeng Chen*. Physics-informed neural network for lithium-ion battery degradation stable modeling and prognosis[J]. Nature Communications, 2024, 15(1): 4332.

合作单位：航天五院钱学森实验室、易加三维、铂力特、31所、华为等