近日，我院刘永红教授团队机械工程博士研究生陆昊翔在超强能场电火花高速铣削在线智能放电状态识别方面取得重要进展。相关研究成果《物理信息引导的超强能场电火花高速铣削在线智能放电状态识别：理论与方法》（Physics-informed online intelligent discharge state identification for high-energy electrical discharge milling: Theory and methods）发表在《Mechanical Systems and Signal Processing》。《Mechanical Systems and Signal Processing》是机械工程领域的国际顶级期刊，目前影响因子为10.2（SCI一区Top）。论文第一作者为博士研究生陆昊翔，通讯作者为刘永红教授，中国石油大学（华东）为独立完成单位。该研究得到国家自然科学青年基金、装备预研教育部联合基金项目、泰山学者青年计划项目、山东省博士后创新项目以及山东省自然科学基金的联合资助。
论文首页
针对超强能场电火花高速铣削（HEDM）单脉冲能量高以及加工过程稳定性较低等特点，研究团队面向传统纯数据驱动模型物理可解释性不足、跨工况泛化能力有限的问题，提出了一种物理信息引导的在线放电状态智能识别方法。该方法首先建立了基于时间阈值的半自动放电状态标注方法，实现放电状态标签与关键物理信息的同步提取；进一步通过高能单脉冲放电实验建立等效等离子体通道半径经验模型，并结合实际单脉冲输入能量和等效短路导通量，构建了表征热作用空间尺度、能量输入强度及短路导通行为的多层级物理监督体系。通过联合优化脉冲级分类损失与窗口级物理一致性损失，使模型在学习放电状态判别特征的同时受到放电加工物理规律约束。实验结果表明，该方法显著提升了模型的跨工况泛化能力和预测结果的物理一致性，实时加工实验进一步验证了其在线监测能力，为超强能场电火花高速铣削加工过程的智能控制提供了理论与技术基础。
物理信息引导的HEDM放电状态识别框架
论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0888327026009696
