相关实验视频
Updated: Jul 9, 2025

09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
899
一个新的物理指导数据融合预测模型用于微型EDM钻井.
Chen Cheng1, Beiying Liu1, Jinxin Cheng1
1School of Mechanical Engineering, University of Science and Technology Beijing, Beijing 100083, China.
Materials (Basel, Switzerland)
|December 9, 2023
概括
一个新的混合模型准确地预测了电放电加工 (EDM) 的结果,包括材料去除率 (MRR) 和形状,克服了现有的物理和人工神经网络 (ANN) 模型的局限性,以提高工业效率.
科学领域:
- 制造业 工程 制造工程
- 材料科学 材料科学 材料科学
- 计算机建模 计算建模
背景情况:
- 精确预测电放电加工 (EDM) 对工业效率至关重要.
- 现有的物理和人工神经网络 (ANN) 模型在预测EDM结果方面存在局限性.
- 微型EDM钻探可以扭曲加工坑的形状,使得单独的体积不足以作为评估指标.
研究的目的:
- 为EDM开发一种新的混合预测模型.
- 同时预测材料去除率 (MRR) 和形状参数.
- 提高EDM结果预测的准确性和稳定性.
主要方法:
- 提出了一个混合模型,将物理和数据驱动的方法结合起来.
- 综合预测MRR和加工坑形状参数.
- 实验验证混合动力模型的性能.
主要成果:
- 混合模型显示了MRR的高预测准确性 (最大误差为4.92%).
- 混合模型显示出形状参数的优异预测准确度 (最大误差为5.28%).
- 与传统的物理和ANN模型相比,实现了更高的准确性和稳定性.
结论:
- 开发的混合模型在预测EDM结果方面取得了重大进展.
- 该模型提供了对加工结果 (包括形状) 的更全面的评估.
- 混合方法通过可靠的性能预测,增强EDM的工业应用.

