<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">TACS</journal-id><journal-title-group><journal-title>Technology and Application of Computer Science</journal-title></journal-title-group><issn>2998-8926</issn><eissn>2998-8934</eissn><publisher><publisher-name>Art and Design</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/TACS.2025060048</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>智能工厂中工业机器人能耗优化的 AI 决策模型构建</title><url>https://artdesignp.com/journal/TACS/2/6/10.61369/TACS.2025060048</url><author>李承轩</author><pub-date pub-type="publication-year"><year>2025</year></pub-date><volume>2</volume><issue>6</issue><history><date date-type="pub"><published-time>2025-03-28</published-time></date></history><abstract>新时代下，全球&amp;ldquo;双碳&amp;rdquo;目标深入推进，智能工厂能耗管理成为制造业绿色发展的核心议题。通过工业机器人能耗优化，适配复杂的多种生产场景，设计多目标协同、自适应决策引领，势必能够推动各行各业绿色转型，奠定未来可持续发展的坚实基础。因此，本文聚焦工业机器人能耗优化的AI决策模型设计，在分析相应能耗影响和主要问题的基础上，提出一系列可行且有效的改进方法，为智能工厂实现节能降耗与高效生产提供理论与技术参考。</abstract><keywords>智能工厂,工业机器人,能耗优化,AI决策,模型构建</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>&amp;nbsp;[1] 徐宁.机器视觉辅助的工业机器人自优化智能决策算法[D].河南科技大学,2024.&amp;nbsp;[2] 邱德贵,周进,吴勇强.基于最小二乘法的工业机器人运行能耗参数辨识[J].技术与市场,2024,31(10):1-8.&amp;nbsp;[3] 尹贺.精益数字化赋能专精特新"小巨人"的实现路径及经济后果研究[D].江西财经大学,2024.&amp;nbsp;[4] 王珊珊.下一代智能工厂来了三项核心技术解密[N].中国工业报,2024-05-10(003).&amp;nbsp;[5] 陈刚.基于多指标综合评估的工业机器人轨迹规划与优化研究[D].河北科技师范学院,2024.&amp;nbsp;[6] 廖俊波.基于数字孪生的工业机器人状态监测关键技术研究[D].重庆交通大学,2024.&amp;nbsp;[7] 李冲.基于"岗课赛证"融通的工业机器人技术专业课程体系构建与改革思路[J].南方职业教育学刊,2024,14(02):62-68.&amp;nbsp;[8] 周建桂,王文凯,汪红,等.基于VisualOne"智能工厂搭建与仿真"课程教学设计探索与应用&amp;mdash;&amp;mdash;以机电一体化专业教学为例[J].科技与创新,2024,(04):53-55+58.&amp;nbsp;[9] 宋杰.培育工业经济新动能上海布局智能制造新优势[J].中国经济周刊,2024,(02):106-107.&amp;nbsp;[10] 李晔宸,王赫.达升科技：让工业机器人赋能"中国智造"[N].西安日报,2023-08-28(003).&amp;nbsp;[11] 陈良源,张一帆,林建浩,等.工业机器人应用与企业用工决策&amp;mdash;&amp;mdash;来自微观企业的调查证据[J].统计研究,2023,40(07):85-97.&amp;nbsp;[12] 罗巍,基于深度学习理论的工业机器人智能故障诊断技术研究.四川省,宜宾吉林大学研究院,2023-06-23.&amp;nbsp;[13] 张洋洋.面向大型发电装备叠片机器人的边缘控制技术研究[D].四川大学,2023.&amp;nbsp;[14] 彭海波.面向数字孪生的钢铁冶金企业智能工厂建设研究与实践[D].昆明理工大学,2023.&amp;nbsp;[15] 李平凡.语言外能力视角下微课《工业互联网导论》汉英字幕翻译实践报告[D].广西民族大学,2022.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
