南京航空航天大学学报

作者：万鹏，李迎光，华家玘，刘长青

单位：南京航空航天大学机电学院，南京 210016；,南京航空航天大学机电学院，南京 210016；,南京航空航天大学机电学院，南京 210016；,南京航空航天大学机电学院，南京 210016；

关键词：航空航天制造;刀具磨损预测;数据与机理;元学习;损失函数优化

基金：国家重点研发计划（2020YFA0713704）；国家自然科学基金创新群体项目（51921003）。

刀具磨损预测对保证零件加工质量和效率、降低加工成本具有重要作用，尤其是在广泛采用难加工材料的航空航天制造领域。数据与机理融合模型能够结合机理模型和数据驱动模型的优势，是实现刀具磨损预测的有效手段。然而现有的融合方法难以有效平衡数据和机理对模型的权重，导致难以真正实现融合模型的预期效果。本文提出了一种基于元学习（Meta learning，ML）和PINN（Physics-informed neural network）的刀具磨损预测方法，通过磨损机理约束数据驱动模型的解空间，并结合元学习算法优化融合模型的损失函数以合理利用数据和机理提供的信息。实例验证结果表明，本文所提出的方法能有效提高变工况下的刀具磨损预测精度和稳定性。

来源：2022年第3期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2022年第3期