机器视觉与人工智能检测；智能破碎装备与固废资源化；工程机械优化设计

1. 机器视觉与人工智能检测：结合深度学习技术，解决骨料及固废在加工过程中的在线质量监控问题。

• 多模态融合检测 ：利用 RGB-D、RGB-NIR 等多模态融合技术，实现对固废的智能识别与分选。

• 形态质量评估 ：开发机制砂细度模数、颗粒形状（棱角性）、空隙率等参数的在线检测系统。

• 吸水率预测 ：基于深度学习图像分割技术，实现对再生粗骨料吸水率等物理性能的快速预测。

2. 智能破碎装备与固废资源化：开发固废分选机器人，利用机器视觉和多模态视觉检测技术对建筑垃圾、生活固废等进行智能识别与分类，解决固废的高效回收与再利用问题。

• 再生骨料制备 ：研究废弃混凝土颗粒的冲击、揉搓破碎机理，开发制备精品再生骨料的关键技术。

• 破碎装备研发 ：针对立轴冲击破碎机、圆锥破碎机等关键装备进行主机结构优化、易磨损件耐磨性研究。

• 模型构建 ：利用离散元（DEM）技术构建矿石、混凝土颗粒的内聚/黏结模型，仿真模拟其破碎过程。

3. 工程机械优化设计：利用先进的数值模拟手段优化传统工程机械的作业性能。

• 多相流耦合仿真 ：运用 CFD-DEM 耦合技术，研究破碎机内部流场、石粉分离效果、除尘系统优化等。

• 动态仿真与优化 ：通过计算机动态仿真技术（如 Adams 与 EDEM 联合仿真），研究机械结构对生产率、成砂率的影响。