利用离散单元法（Discrete element method，DEM）对球形颗粒群以及非球形颗粒群的筛分过程进行了仿真并开展了实验研究，结果表明球形和非球形颗粒的仿真与实验中筛分效率的变化是一致的，但非球形颗粒的仿真结果与实验结果更接近。正交设计多组模拟试验，分析了各振动参数（振动频率、振幅以及筛面倾角）对颗粒分布曲线、筛分效率以及物料平均运输速度的影响规律。对正交试验表中的数据进行多元非线性拟合，得到筛分效率与振动参数间的关系式；并在此关系式的基础上，对振动参数进行优化设计，得到了最优振动参数且在仿真中得到了验证。研究内容不但为高频振网筛振动参数的设计提供了理论依据，而且为研究高频振动系统的筛分机理提供了实验和仿真数据支持
为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础
