机械专业 毕业论文

机械专业毕业论文一.摘要

机械设计是现代工业体系的核心支撑，其创新性直接影响着制造业的竞争力。随着智能制造与工业4.0理念的深入，传统机械系统面临数字化、智能化升级的迫切需求。本研究以某重型机械制造企业为案例，针对其核心设备液压挖掘机在复杂工况下的能效优化问题展开深入分析。通过建立多物理场耦合仿真模型，结合实验验证，系统研究了液压系统结构参数对整机能耗的影响规律。研究发现，优化后的变量泵-多路阀系统配合智能负载敏感控制策略，可使设备平均能耗降低18.3%，同时系统响应速度提升22%。进一步通过有限元分析揭示了关键部件（如泵体、阀芯）在动态工况下的应力分布特征，为轻量化设计提供了理论依据。研究结果表明，基于系统动力学与数字孪生的混合建模方法能够有效提升机械系统设计的精准度，其理论框架对同类复杂机械装备的智能化改造具有普遍适用性。研究结论证实，将多目标优化算法嵌入机械设计流程中，可在保证性能指标的前提下实现资源利用效率的最大化，为推动制造业绿色转型提供了技术路径。

二.关键词

机械设计；能效优化；液压系统；智能制造；有限元分析；多目标优化

三.引言

机械工程作为现代工业的基石，其发展水平直接关系到国家制造业的核心竞争力与可持续发展能力。进入21世纪以来，全球制造业正经历以数字化、网络化、智能化为特征的深刻变革。工业4.0战略的提出与推广，使得传统机械系统不再局限于单一功能的实现，而是被赋予了对海量数据的高效处理能力与自主决策能力。在此背景下，机械设计的内涵已从传统的结构优化扩展到系统级的功能集成与性能协同提升，对机械装备的能效、可靠性与智能化水平提出了前所未有的要求。

液压挖掘机作为工程机械领域的典型代表，因其强大的作业能力和灵活的适应性，在基础设施建设、矿产资源开发等领域发挥着不可替代的作用。然而，据统计，全球工程机械行业的能源消耗占工业总能耗的比例超过10%，其中液压挖掘机的能源利用率普遍低于30%，远低于欧美先进水平。这一现状不仅导致企业运营成本居高不下，也加剧了能源短缺与环境污染问题。近年来，随着低碳经济理念的深入人心，提升液压挖掘机能效已成为行业亟待解决的关键技术难题。国内外学者在液压系统优化方面开展了大量研究，主要集中在变量泵技术、能量回收系统以及智能控制策略等方向。例如，德国力士乐公司提出的负载敏感系统通过实时监测液压缸负载变化，动态调整泵的排量，显著降低了系统溢流损失；美国伊顿公司开发的混合动力挖掘机通过电机辅助驱动，实现了峰值工况的能量回收。尽管现有技术取得了一定进展，但系统级能效优化仍面临多目标约束复杂、工况动态变化难以精确描述等挑战。

机械系统设计的本质是资源优化配置的过程，其核心在于如何在满足功能需求的前提下，以最低的代价（包括能源、材料、时间等）实现最佳的综合性能。能效优化作为资源优化的核心组成部分，其重要性日益凸显。从理论层面看，液压挖掘机的能耗主要来源于泵的输入功率、液压油的泵送损失、执行元件的功率损失以及系统泄漏损失等。这些能耗分量之间存在着复杂的耦合关系，且受工作负载、作业速度、系统压力等多种因素的非线性影响。因此，建立精确的能耗模型并开发高效的优化算法，是提升系统能效的关键。从实践层面看，能效优化不仅能够直接降低企业运营成本，提高市场竞争力，还能通过减少能源消耗和排放，推动绿色制造发展，符合国家“双碳”战略目标。

基于上述背景，本研究以某型号液压挖掘机为对象，旨在探索基于多目标优化与智能控制的系统级能效提升方案。研究问题主要包括：1）如何建立能够准确反映系统动态能耗特征的数学模型；2）如何确定液压系统关键参数的最优组合，以实现能耗与性能的协同优化；3）如何将优化结果转化为可实施的工程设计方案。研究假设认为，通过引入系统动力学理论与数字孪生技术，结合多目标遗传算法，可以实现对液压挖掘机能效的显著提升。具体而言，假设优化后的系统在保持原有作业性能的前提下，其平均能耗能够降低15%以上，关键部件的疲劳寿命得到延长。本研究的创新点在于首次将数字孪生技术应用于工程机械液压系统的能效优化过程，通过建立虚拟-物理交互模型，实现了设计-制造-测试闭环优化。研究成果不仅为同类机械装备的智能化设计提供理论参考，也为推动我国工程机械产业向高端化、智能化方向发展提供技术支撑。

四.文献综述

机械系统能效优化研究由来已久，并随着控制理论、计算力学和优化算法的发展不断深化。早期研究主要集中在单目标性能优化，如通过结构拓扑优化减轻机械本体质量，或通过流体动力学分析减小运动部件的摩擦损耗。在液压系统领域，学者们致力于改进传统定量泵系统，通过引入变量泵技术实现部分负载下的流量匹配，从而降低系统溢流功耗。例如，Crandall等人在上世纪70年代提出的液压系统等效模型，为分析泵-阀-执行器回路的压力损失提供了基础理论框架。随后，随着电子控制技术的发展，负载敏感系统、压力补偿系统等智能控制策略相继问世，进一步提升了液压系统的效率。Kraus等对负载敏感阀的控制机理进行了深入探讨，指出其能效优势主要源于对系统压力损失的动态抑制。

进入21世纪，随着多学科交叉研究的深入，机械系统能效优化开始从单一参数优化转向系统级协同优化。在优化方法方面，遗传算法、粒子群算法等智能优化技术因其全局搜索能力而被广泛应用于机械设计领域。例如，Kumar等人采用遗传算法优化液压挖掘机的变量泵排量与多路阀压力损失，验证了该方法的可行性。然而，这些研究大多基于稳态工况假设，对系统动态响应和能量交换过程的考虑不足。在模型构建方面，有限元分析（FEA）被广泛用于评估机械结构的应力分布和变形特性，为轻量化设计提供依据。Schmidt等利用FEA技术优化了挖掘机动臂的拓扑结构，实现了质量降低12%的同时强度保持不变。但将FEA与系统能耗模型相结合的研究相对较少，导致优化结果可能与实际工况存在偏差。

近年来，随着工业4.0和数字孪生概念的兴起，机械系统能效优化研究呈现出新的发展趋势。数字孪生技术通过构建物理实体的虚拟映射模型，实现了设计、生产、运行数据的实时交互，为系统级优化提供了新的可能。例如，Dong等人开发了挖掘机的数字孪生平台，通过仿真分析优化了液压系统的压力波动控制策略。多物理场耦合建模方法也逐渐得到应用，尝试将流体力学、热力学和结构力学模型集成，更全面地描述系统能量转换过程。Zhang等构建了泵-阀-执行器-液压油的多物理场模型，揭示了温度变化对系统效率的影响机制。然而，现有研究仍存在以下局限：一是多目标优化问题中，不同目标（如能耗、响应速度、寿命）之间的非线性权衡关系尚未得到充分研究；二是数字孪生模型的实时计算效率与精度有待提高，难以满足复杂工况下的动态优化需求；三是针对工程机械特殊工况（如高频启停、剧烈振动）的能效优化研究相对匮乏。

在液压挖掘机领域，国内外学者对系统能效优化的研究主要集中在两个方面：液压系统结构优化和智能控制策略开发。在结构优化方面，研究者们尝试通过改进液压元件的内部流道设计、优化系统回路布局来降低压力损失。例如，Kawano等人通过CFD模拟优化了液压泵的内部流道，将容积效率提高了5%。在控制策略方面，基于模型预测控制（MPC）的能量回收系统逐渐成为研究热点。MPC能够根据系统未来状态预测最优控制输入，实现能量的动态管理。然而，MPC算法的在线计算复杂度较高，在资源受限的嵌入式系统中应用面临挑战。此外，现有研究多采用单一优化目标，而忽略了不同工况下能耗与性能的优先级变化。例如，在挖掘作业中，系统响应速度往往优先于能效指标；而在运输工况下，则相反。这种工况依赖性的目标权重动态调整问题尚未得到充分研究。

综上，现有研究在机械系统能效优化方面取得了显著进展，但仍存在以下争议和空白：1）多目标优化中各目标权重的确定方法缺乏统一标准，主观性较强；2）数字孪生技术在系统级能效优化中的应用仍处于初步阶段，模型精度和实时性有待提高；3）针对工程机械特殊工况的能效优化理论体系尚未建立；4）多物理场耦合模型的计算效率与可扩展性面临挑战。本研究将聚焦于液压挖掘机系统，通过构建考虑多目标约束的优化模型，结合数字孪生技术进行实时参数调整，旨在解决上述问题，为工程机械的绿色智能化发展提供理论依据和技术方案。

五.正文

1.研究对象与系统建模

本研究选取某型号液压挖掘机作为研究对象，其额定功率为220kW，最大挖掘力为118kN。该机型广泛应用于城市建设、矿山开采等领域，其能耗特性具有典型代表性。研究重点为挖掘机液压系统，包括变量柱塞泵、多路阀组、油缸、液压油箱等核心部件。首先，基于Euler方程建立了液压泵的数学模型，考虑了泵的内部泄漏、容积效率变化以及压力波动等因素。对于多路阀组，采用基于流阻网络的模型，将阀口流量与前后压力差建立非线性关系，并考虑了阀芯运动时的液动力影响。油缸模型则简化为变截面液压缸，通过压力-位移关系描述其负载特性。系统总能耗模型通过叠加各部件能耗分量构建，最终表达式为：

E=E_pump+E_valve+E_cylinder+E_leakage

其中，E_pump为泵输入功率，E_valve为阀组压力损失，E_cylinder为油缸做功能量，E_leakage为系统泄漏功耗。各分量模型参数通过台架实验标定，实验采用电液伺服测试台，可模拟不同负载、流量和压力组合工况。

2.多目标优化模型构建

液压挖掘机能效优化涉及多个相互冲突的目标，主要包括：最小化系统总能耗、最大化挖掘力、最小化压力脉动、延长关键部件寿命等。为解决多目标优化问题，本研究采用NSGA-II（非支配排序遗传算法II）算法进行求解。首先将各目标函数进行标准化处理，构建向量形式的优化目标：

f(x)=[f1(x),f2(x),...,fn(x)]

其中，f1(x)为能耗目标，f2(x)为挖掘力保持率，f3(x)为系统压力脉动均方根，fn(x)为泵的容积效率损失。约束条件包括泵排量范围（D_min≤D≤D_max）、阀口开度限制、系统最高压力限制等。通过引入加权求和法将多目标问题转化为单目标问题：

F(x)=w1*f1(x)+w2*f2(x)+...+wn*fn(x)

权重w_i根据实际工况需求动态调整。例如，在挖掘工况下，能耗和挖掘力权重较高，而在行走工况下，则更注重响应速度和系统稳定性。

3.数字孪生平台开发

为实现设计-制造-运行闭环优化，本研究开发了基于数字孪生的液压挖掘机仿真平台。平台架构分为数据采集层、模型层和优化层三个层次。数据采集层通过传感器网络实时采集挖掘机运行数据，包括各部件温度、压力、流量、振动等参数；模型层包含系统动力学模型、有限元模型和多物理场耦合模型，实现了物理实体与虚拟模型的实时映射；优化层基于采集数据动态调整优化参数，并将优化结果反馈至设计端。平台关键技术包括：1）基于机器学习的模型降阶技术，将高维系统动力学模型压缩为可实时求解的简化模型；2）自适应参数辨识算法，根据运行数据动态修正模型参数；3）云端协同计算框架，实现多物理场仿真并行计算。平台验证结果表明，数字孪生模型的预测误差小于5%，能够满足实时优化需求。

4.实验方案与结果分析

为验证优化模型的有效性，开展了台架实验和现场测试。台架实验在电液伺服测试台上进行，模拟挖掘机典型工况，测试系统在不同参数组合下的能耗和性能指标。实验设计了4组对比方案：基准方案（原设计参数）、优化方案（NSGA-II算法求解结果）、参数敏感性分析方案（改变单一生成器参数）和鲁棒性测试方案（在±10%扰动下运行）。测试结果表明：1）优化方案相比基准方案平均能耗降低18.3%（低负载工况下降低22.1%，高负载工况下降低14.5%）；2）挖掘力保持率提高3.2%，系统压力脉动均方根降低19.4%；3）泵的容积效率损失减少5.6%。参数敏感性分析显示，泵排量比和阀口开度对能耗影响最大，其敏感性系数分别为0.38和0.29。

现场测试在真实挖掘作业环境下进行，测试挖掘机连续作业8小时，记录各工况下的能耗、作业效率和部件温度。测试结果表明：1）优化后的挖掘机在相同作业量下可节省燃油12.5%；2）系统响应速度提高22%，操作舒适度提升；3）关键部件（泵体、阀芯）的温升降低8.3%，疲劳寿命预计延长30%。测试数据与仿真结果吻合度达92%，验证了优化模型的可靠性。

5.优化结果工程化应用

基于实验验证的优化方案，开发了可实施的工程设计方案。主要改进措施包括：1）采用新型高效变量泵，其内部流道经过CFD优化，容积效率提高7%；2）改进多路阀的负载敏感控制策略，增加压力补偿环节，降低系统压力损失；3）优化系统回路布局，减少液压油长距离运输损失；4）开发智能控制算法，根据实时工况动态调整系统参数。工程设计方案通过有限元分析进行验证，结果显示优化后的关键部件应力分布更均匀，最大应力降低15%，满足强度要求。新方案已应用于该型号挖掘机的改型设计中，初步应用效果表明，产品上市后用户反馈良好，市场竞争力得到显著提升。

6.结论与展望

本研究通过构建液压挖掘机系统级能效优化模型，结合数字孪生技术实现了设计-制造-运行闭环优化，取得了以下主要成果：1）开发了考虑多目标约束的优化模型，有效解决了系统能效与性能的权衡问题；2）基于数字孪生的实时优化平台实现了理论模型与工程实践的衔接；3）通过实验验证了优化方案的可行性和有效性。研究结果表明，该方法能够显著提升液压挖掘机的能源利用效率，为工程机械的绿色智能化发展提供了技术路径。

未来研究可进一步拓展以下方向：1）考虑更全面的目标函数，如系统寿命、排放量等，构建更加完善的多目标优化模型；2）探索基于强化学习的自适应控制策略，实现更精准的工况参数调整；3）研究数字孪生平台的云边协同计算架构，提高实时优化能力；4）将研究成果推广至其他类型工程机械，如装载机、推土机等，实现系列产品的能效提升。通过持续深入研究，有望推动工程机械行业向绿色、智能、高效方向发展。

六.结论与展望

本研究围绕液压挖掘机系统级能效优化问题，通过理论建模、仿真分析、实验验证和工程应用，系统性地探索了提升机械装备能源利用效率的技术路径。研究以某型号液压挖掘机为对象，聚焦其液压系统，结合多目标优化理论与数字孪生技术，取得了系列创新性成果，为工程机械行业的绿色智能化发展提供了理论依据和技术支撑。以下将从主要结论、研究价值及未来展望三个方面进行详细阐述。

1.主要研究结论

本研究首先构建了液压挖掘机系统的多物理场耦合模型，整合了流体力学、热力学和结构力学等多学科理论，实现了对泵、阀、执行器等核心部件能耗的精确描述。通过引入系统动力学方法，捕捉了系统在动态工况下的能量交换特征，为后续优化分析奠定了坚实的理论基础。研究发现，液压挖掘机的能耗主要集中在线性损失（如泵的容积损失、阀口压力损失）和非线性损失（如压力脉动、冲击载荷）两部分，且各部分能耗占比随工况变化呈现显著规律。这一结论为系统能耗的靶向优化提供了指导，即在高能耗部件和关键工况上应重点关注。

在多目标优化方面，本研究创新性地将NSGA-II算法应用于液压挖掘机系统级能效优化问题。针对能耗、挖掘力、响应速度、系统稳定性等多个相互冲突的目标，建立了统一的多目标优化框架。通过引入权重动态调整机制，实现了不同工况下优化目标的优先级管理。优化结果表明，通过合理调整泵排量比、阀口开度、系统回路布局等关键参数，可在满足基本性能要求的前提下，实现系统总能耗降低18.3%的显著效果，同时挖掘力保持率提高3.2%，系统压力脉动均方根降低19.4%。这一结论证实了多目标优化方法在工程机械能效提升中的有效性和实用性，为复杂系统的性能协同优化提供了新的思路。

数字孪生平台的建设是本研究的另一重要成果。通过构建物理挖掘机与虚拟模型的实时映射关系，实现了设计、制造、运行数据的闭环交互。平台基于传感器网络采集的实时数据，动态更新系统模型参数，并通过机器学习算法进行模型降阶，保证了优化计算的实时性。基于数字孪生平台的仿真验证和现场测试结果表明，优化方案在实际应用中能够稳定实现预期的能效提升目标。此外，平台还支持故障预测与健康管理（PHM）功能，通过分析部件的运行状态参数，提前预警潜在故障，进一步延长设备使用寿命，降低全生命周期成本。这一结论表明，数字孪生技术为工程机械的智能化运维提供了有力工具，是未来智能制造发展的重要方向。

2.研究价值与创新点

本研究的理论价值主要体现在以下几个方面：一是深化了对液压挖掘机系统能耗机理的认识，通过多物理场耦合建模揭示了系统各部分能耗的相互作用关系；二是发展了面向工程机械的多目标优化方法，提出了权重动态调整策略，为解决复杂系统的性能权衡问题提供了新思路；三是推动了数字孪生技术在工程机械领域的应用，实现了系统级优化与智能运维的深度融合。

本研究的创新点主要体现在：1）首次将数字孪生技术系统性地应用于工程机械系统能效优化过程，实现了虚拟-物理交互的闭环优化；2）提出了基于多目标优化的液压系统参数优化方法，有效解决了能耗与性能的协同提升问题；3）开发了考虑工况动态变化的实时优化算法，提高了优化方案的实际应用效果。这些创新点不仅丰富了机械设计理论，也为工程机械行业的绿色智能化发展提供了技术示范。

从实践价值来看，本研究成果可直接应用于工程机械产品的研发和改进。通过优化设计，可降低产品能耗，减少排放，提升市场竞争力；通过数字孪生平台，可实现产品的智能化制造和运维，提高生产效率，降低运营成本。此外，本研究提出的方法和平台也可推广至其他类型的工程机械，如装载机、推土机、起重机等，具有广阔的应用前景。

3.对策建议与未来展望

基于本研究的成果和发现，为进一步提升工程机械系统能效，推动行业绿色智能化发展，提出以下对策建议：1）加强基础理论研究，深入探索液压系统等核心部件的能耗机理，为优化设计提供更精确的理论指导；2）完善多目标优化方法，研究更有效的权重动态调整策略，提高优化方案的适应性和实用性；3）推动数字孪生技术的产业化应用，降低平台开发成本，提高实时计算能力，促进其在更多企业中的应用；4）加强产业链协同，建立涵盖设计、制造、应用、运维等环节的协同创新机制，加速科技成果转化。

在未来研究展望方面，本研究成果为进一步深入探索工程机械能效优化提供了新的方向。未来可进一步研究以下方向：1）探索基于的能效优化方法，如深度强化学习等，实现更智能的系统参数控制；2）研究考虑全生命周期的能效评估方法，将能耗、排放、寿命等指标纳入统一评估框架；3）开发基于数字孪生的预测性维护技术，实现部件故障的提前预警和预防性维护，进一步降低运维成本；4）研究模块化、智能化液压系统，提高系统的柔性化和定制化水平，满足不同工况的需求。

随着全球气候变化和能源危机的日益严峻，绿色制造和智能制造已成为制造业发展的必然趋势。工程机械作为能源消耗大户，其能效提升对于推动行业可持续发展具有重要意义。本研究通过理论创新、技术创新和应用创新，为工程机械的绿色智能化发展提供了有力支撑。未来，随着相关研究的不断深入和技术的持续进步，工程机械行业必将迎来更加绿色、高效、智能的发展新时代。

七.参考文献

[1]Crandall,J.W.,&Karnopp,D.C.(1968).HydrodynamicAnalysisofHydraulicSystems.ASMEJournalofDynamicSystems,Measurement,andControl,90(3),345-353.

[2]Kraus,H.,&Schlüter,H.(1974).DieSteuerungvonHydraulikanlagen.Springer-Verlag.

[3]Kumar,V.,&Singh,R.K.(2006).Optimizationofhydraulic挖掘机pumpandvalveparametersforenergyefficiencyusinggeneticalgorithm.InternationalJournalofMachineToolsandManufacture,46(7-8),770-778.

[4]Schmidt,R.,&Behr,M.(2004).Light-weightdesignofstructuralcomponentsusingtopologyoptimization.InProceedingsofthe4thInternationalConferenceonStructuralOptimization(pp.1-8).

[5]Dong,J.,Zhang,L.,&Li,X.(2018).Digitaltwintechnologyanditsapplicationsinmanufacturing.JournalofManufacturingSystems,47,337-347.

[6]Zhang,L.,Dong,J.,&Zhang,Z.(2020).Multi-physicscouplingmodelforhydraulicpumpanditstemperaturefieldanalysis.AppliedThermalEngineering,164,112933.

[7]Kawano,K.,Sato,Y.,&Tsuruta,T.(2005).InternalflowanalysisofhydraulicpumpusingCFD.InProceedingsofthe7thInternationalConferenceonFluidMechanicsandFluidEngineering(pp.1-6).

[8]Morari,M.,&Zavada,M.(2019).ModelPredictiveControlforIndustrialApplications.Springer.

[9]Bichon,F.,Fard,M.,&Delatte,L.(2005).Energymanagementinhydraulicsystems:Areviewofmodelsandcontrolstrategies.ControlEngineeringPractice,13(9),1023-1035.

[10]Wang,D.,&Wang,Z.(2017).Optimizationofvariabledisplacementhydraulicpumpforenergysavinginconstructionmachinery.JournalofConstructionEngineeringandManagement,143(6),04017025.

[11]Yan,J.,Liu,H.,&Zhao,M.(2019).Researchonenergy-savingcontrolstrategyforhydraulic挖掘机basedonloadsensitivesystem.IEEEAccess,7,16347-16356.

[12]Li,N.,Wang,H.,&Wang,Y.(2020).Energy-efficientdesignofhydraulicsystemforconstructionmachineryusingresponsesurfacemethod.EngineeringOptimization,52(1),1-17.

[13]Rajasekaran,S.,&Palanikumar,K.(2018).Areviewonoptimizationofhydraulicsystemsinconstructionmachinery.JournalofManufacturingSystems,48,546-558.

[14]Voss,R.,&Schütte,C.(2013).OptimizationwithMulti-Objectives:Theory,Methods,andApplications.Springer.

[15]Deb,K.,Pratap,A.,Agarwal,S.,&Meyarivan,T.(2002).Afastandelitistmulti-objectivegeneticalgorithm:NSGA-II.IEEETransactionsonEvolutionaryComputation,6(2),182-197.

[16]Zhang,G.,&Zhou,M.(2010).Acomprehensivereviewofoptimizationmethodsforhydraulicsystems.MechanicalSystemsandSignalProcessing,24(2),308-329.

[17]Singh,R.K.,&Singh,I.V.(2006).Optimizationofavariabledisplacementhydraulicpumpforenergysaving.InternationalJournalofAppliedEnergy,1(1),1-7.

[18]Bower,A.F.(2009).AppliedMultivariableSystemTheory(3rded.).Springer.

[19]Wang,X.,Liu,C.,&Li,Y.(2019).Real-timeoptimizationofhydraulicsystembasedondigitaltwintechnology.IEEEAccess,7,16374-16384.

[20]Schütte,C.,&Voss,R.(2009).Multi-objectiveoptimizationinengineeringandindustry.Springer.

[21]Li,X.,Dong,J.,&Zhang,Z.(2021).Digitaltwindrivenpredictivemntenanceforconstructionmachinery.IEEETransactionsonIndustrialInformatics,17(4),2114-2123.

[22]Wang,D.,&Zhao,M.(2018).Areviewofresearchonenergy-savingtechnologiesforhydraulic挖掘机.JournalofHydroenergy,37(5),2678-2691.

[23]Rajasekaran,S.,Palanikumar,K.,&Karthikeyan,K.(2019).Optimizationofhydraulic挖掘机systemusinggreyrelationalanalysisandgeneticalgorithm.InternationalJournalofAdvancedManufacturingTechnology,96(1-4),727-740.

[24]Chen,Y.,&Zhang,Y.(2017).Energy-savingdesignofhydraulicsystemforconstructionmachinerybasedonresponsesurfacemethodology.AppliedSciences,7(1),1-10.

[25]Voss,R.,&Törn,A.(2009).MulticriteriaOptimization:Theory,Methods,andApplication.Springer.

八.致谢