期刊介绍
Introduction
由国际著名学术期刊出版商爱思唯尔Elsevier 出版，《Digital Engineering》英文国际期刊（ISSN：2950-550X）Volume 2于2024年9月上线。
《Digital Engineering》是全球首个专注于数字工程的跨学科领域学术期刊，主要发表高质量的原创研究论文、综述、简报和评论，旨在分享各领域关于数字化研究和应用的最新成果。
《Digital Engineering》国际期刊定位为一个跨领域、跨学科、跨层次的数字工程国际综合类期刊。编委会汇聚了数字工程领域的全球知名学者与领域专家，旨在推动该领域的学术研究与技术创新。目前，编委会成员（Editorial Board Members）共有13名，来自7个国家，其中包含多位德国、法国、新加披等国家的科学工程院院士以及各国的高被引学者。北京航空航天大学陶飞教授担任期刊主编（Editor-In-Chief），易黎副教授和魏宇鹏副教授担任处理编辑（Handling Editor）。为了进一步提升刊物的国际声誉和学术水平，编委会将持续邀请更多全球优秀的专家学者加入。
《Digital Engineering》
旨在办成
具有国际影响力的学术刊物
期待与全球同仁携手合作
共同提升
数字领域的
国际影响力和话语权
《Digital Engineering》
2024年Volume 2速览
《Digital Engineering》第2期共收录8篇论文，其中6篇强调了人工智能在制造业不同领域的重要性，另外两篇论文探讨了人工智能在数字城市中的潜力。全部论文均为开放获取，可免费下载阅读：
免费获取整期文章
https://www.sciencedirect.com/journal/digital-engineering/vol/2/suppl/C
01
卷首语
期刊主编、北京航空航天大学陶飞教授在刊首语中介绍了AI在数字制造领域的多个应用场景。这些研究不仅展示了AI技术在提升制造效率、精度和整体性能方面的巨大潜力，还展现了AI技术正在推动制造业的数字化转型，为实现更加智能、高效和可持续的制造系统提供了强有力的支持。
AI Power for Digital Manufacturing
主编：陶飞
02
评述文章 人工智能系统三定律
受出版社邀请委托，英国伯明翰大学机械工程学院首席教授、英国皇家工程院院士、《Digital Engineering》期刊编委Duc Truong Pham教授撰写了社论文章。文章回顾了AI的发展历程，并阐述了Pham的智能系统三定律：AI智能水平将不断增加、达到一定水平后进步不可逆转、AI越强大可预测性和可控性越低。文章强调伦理、跨学科合作、环境可持续性等问题对AI发展的重要性，并指出未来AI与量子计算、生物技术等领域的交叉将带来更多挑战和机遇。尽管AI潜力巨大，但驾驭其复杂性是确保其造福人类的关键。
点击标题跳转全文阅读↓↓↓
The Three Laws of Intelligent Systems
Duc Truong Pham
03
数字制造 面向工业5.0的人机交互：以人为本的智能制造
为实现工业5.0的愿景，英国卡迪夫大学刘滢教授团队强调了增强人机交互（HMI）和人工智能（AI）工具的重要性，以促进以人本智造的发展。本文探讨了集成传感器、数据处理和交互机制等先进技术，以实现可持续且具备恢复力的制造系统。此外，本研究还着重指出了改善人机交互在支持人类创造力、福祉和制造效率方面的机遇。
点击标题跳转全文阅读↓↓↓
Human–machine interaction towards Industry 5.0: Human-centric smart manufacturing
Jialu Yang, Ying Liu, Phillip L. Morgan
04
数字制造 面向航空发动机叶盘可靠性的多目标评估方法
为评估航空发动机涡轮盘的可靠性，香港理工大学宋鲁凯博士等提出了一种多XGB模型，该模型融合了链接采样、XGBoost集成平台与贝叶斯优化方法。所提模型通过提供多目标可靠性评估，解决了涡轮盘高非线性及多处失效部位的问题。研究结果表明，相较于传统方法，多XGB模型在准确性和效率方面表现更佳，能有效预测不同失效部位的概率响应及可靠性程度。
点击标题跳转全文阅读↓↓↓
Multi-XGB: A multi-objective reliability evaluation approach for aeroengine turbine discs
Lu-Kai Song, Yat-Sze Choy, Shuai Zhang, Bai-Ling Wang
05
数字制造 数控磨床主轴热误差的综合预测与补偿方法研究
为预测数控磨床主轴的热误差，清华大学李学崑教授、王东助理研究员等提出了一种融合门控循环单元（GRU）模型与改进型蒙特卡洛交叉验证的方法。该方法能够提升主轴热误差预测的可泛化性和准确性。验证实验表明，该方法在预测和补偿主轴热位移方面达到了高精度，为提高加工精度提供了一种有效且实用的解决方案。
点击标题跳转全文阅读↓↓↓
A comprehensive prediction and compensation method of spindle thermal error for a CNC grinding machine
Yun Zhang, Zhanguang Liu, Qingyu Liu, Dong Wang, Xuekun Li
06
数字制造 L型截面型材拉伸弯曲回弹的预测与补偿
为提高L型截面型材拉弯成形的回弹质量，上海大学张在房教授联合法国勃艮第-弗朗什孔泰大学Egon Ostrosi教授等人提出了一种融合Co-Kriging模型、仿真数据和实验数据的方法。该方法采用非支配排序遗传算法II（NSGA-II）进行多目标优化，并利用模拟退火算法对模具型面进行优化，从而最小化回弹位移、变形和残余应力。此外，该研究还引入了一个可变补偿因子，以提高模具补偿的精度，确保型材在较少的迭代次数内即可满足设计规格。
点击标题跳转全文阅读↓↓↓
Prediction and compensation of stretch-bending springback for L-section profile
Zaifang Zhang, Huaji Zhang, Hui Cheng, Egon Ostrosi, Liang Zhou, Lei Diao, Zhichao Zhang
07
数字制造 基于量子退火算法的增材制造供应网络规划方法
为优化增材制造（AM）材料供应商网络的设施选址，德国莱茵-普法尔茨技术大学Jan C. Aurich教授等人提出了一种基于多目标量子退火的地理市场细分（MOQA-GMS）方法。该方法通过将市场细分纳入优化过程，解决了传统的设施选址问题（FLPs），从而改进了库存规划并降低了物流成本。通过德国莱茵兰-普法尔茨州的一个案例研究，证明了MOQA-GMS的有效性，相比传统方法，在计算效率和解的质量方面表现出更优的性能。
点击标题跳转全文阅读↓↓↓
Facility location optimization with market segmentation for additive manufacturing material supplier network using quantum annealing
Li Yi, Xiangqian Wu, Jonathan Bauer, Jan C. Aurich
08
数字制造 微结构颗粒材料的数字化设计与制造
为了提升微结构颗粒材料的设计与制造水平，英国谢菲尔德大学Ruihuan Ge博士等人研究了计算建模、机器学习与增材制造技术的融合。该研究强调了微结构在决定各行业所用颗粒材料性能方面的重要性。研究提出，通过数字设计与增材制造技术的结合，可以创造出具有定制特性的材料，从而在储能、制药等多个领域实现创新应用。
点击标题跳转全文阅读↓↓↓
Digital design and manufacturing of microstructural granular materials
Ruihuan Ge, Qing Liu
09
数字城市 一种基于深度学习的天然气消耗量预测方法
为实现季节性特征不明显地区天然气消费量预测，北京航空航天大学邹孝付团队等提出了FMM-VMD-Transformer混合模型，该模型可将天然气消费量数据分解为子序列，从而改进非线性特征的表征能力。随后，该模型被应用于验证案例，并与传统方法进行了比较。
点击标题跳转全文阅读↓↓↓
FMM-VMD-Transformer: A hybrid deep learning model for predicting natural gas consumption
Xinlei Li, Xiaofu Zou, Jiangfeng Cheng, Miao Tang, Pengfei Hu
10
数字城市 基于异质强度的DBSCAN模型在数字孪生城市注意力分布中的应用
为提高数字孪生城市的城市管理效率，香港理工大学George Q. Huang教授、香港大学Ray Y. Zhong助理教授等提出了基于异质性强度的DBSCAN（iDBSCAN）模型，用于城市注意力分布研究。该模型利用人工智能技术，根据交通流量、人口密度和城市活动等异质性强度输入，对城市区域进行动态分析和聚类。通过在海口市的计算实验验证，该方法的有效性得到了证明，显示出其捕捉复杂城市动态变化的能力。
点击标题跳转全文阅读↓↓↓
Heterogeneous intensity-based DBSCAN (iDBSCAN) model for urban attention distribution in digital twin cities
Yishuo Jiang, Qiwei Liu, Shuxuan Zhao, Tianhang Zhang,Xudong Fan, Ray Y. Zhong, George Q. Huang
如何投稿
Submission process
最后，诚挚邀请您向本刊投稿您的原创研究成果，若需获取期刊的更多详细信息，敬请访问期刊官方网站：
https://www.sciencedirect.com/journal/digital-engineering
或直接扫描下面二维码访问期刊主页：
再点击主页右上方“Submit your article”进入投稿系统。
投稿流程如下：
1. 访问期刊主页的“作者指南”（Guide for Authors）准备初稿和附件材料；
2. 进入投稿系统（Editorial Manager）上传初稿和附件；
3. 稿件2周内送审、3周内返回审稿意见；
4. 作者返修、二次投稿，3周内返回审稿意见；
5. 稿件接受、出版。
出版方式和费用
《Digital Engineering》期刊采取“开放获取”（Open Access）出版模式，所有的文章免费访问。在2024年和2025年免除作者文章出版费用（Article Publishing Charge）。
《Digital Engineering》诚邀您的投稿！
对本刊感兴趣的老师，欢迎扫码添加好友，获取更多动态信息。↓↓↓
DIGITAL ENGINEERING
祝贺《Digital Twin》姊妹刊《Digital Engineering》成功创刊暨创刊号上线！愿期刊在数字化的浪潮里乘风破浪、勇立潮头！期刊编委愿与国内外同仁一道，为全球专家学者打造信息共享、合作交流的平台，为推动全球数字化进程贡献力量！
更多数字工程相关内容
请点击下方卡片阅读合集
