.png){kind=icon}
返回
Physics-informed hybrid conditional diffusion transformer model for cutting force prediction under param-space optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s10845-025-02768-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精确的切削力预测对于变形分析、表面质量控制等精密加工任务至关重要。然而，精确的切削力预测仍具挑战性，这源于联合建模精细粒度时序动态与全局统计特性的困难、对稀疏且异构输入（如有限加工参数）的无效利用，以及在高复杂度加工过程的小样本条件下的鲁棒性不足。为解决这些问题，引入了一种基于物理信息的混合条件扩散变换器，命名为PPS-PIHCDiT。其特点在于物理参数空间优化，通过融合数据驱动的半经验物理模型来细化优化景观，从而将基于物理的约束嵌入实际加工力学中。该方法引入三个紧密关联的组件：（1）一种具有时间块分割和历史统计嵌入的非自回归扩散架构，能够平衡局部时序特征与全局分布趋势的建模；（2）一种混合嵌入模块，协同整合加工参数与统计上下文以提供丰富的条件指导；（3）一种双约束训练框架，结合物理信息残差和基于MMD的分布正则化，以增强物理一致性和数据稀缺下的泛化能力。此外，扩散过程自然捕捉加工操作的内禀随机性，同时避免跨时间步的误差累积，相较于确定性或自回归方法具有优势。在来自五轴CNC叶片精密加工的真实数据集上评估，PPS-PIHCDiT在预测精度（RMSE=0.015，MAE=0.027）和时序-分布保真度（$${e}_{avg}$$=98.84%，$${e}_{ptp}$$=93.14%，等）方面达到当前最优性能，显著优于现有方法。
Keyword:
Cutting force
Diffusion transformer (DiT)
Physics-informed constraint
Hybrid embedding
Time segmentation
期刊
IF:
7.4
论文数:
3.5K
被引数:
1.1W
机构
引用论文
.png){kind=icon}
Cutting force prediction model considering tool-chip contact interface friction behavior in ULTVAM of Ti-6Al-4V考虑工具-切屑接触界面摩擦行为的Ti-6Al-4V在ULTVAM中的切削力预测模型
OAAI
OAAI分享收藏Mechanism and data hybrid-driven cutting forces prediction model for end milling机构与数据混合驱动的立铣切削力预测模型
PREAI
分享收藏
Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations物理信息神经网络: 一种用于解决涉及非线性偏微分方程的正反问题的深度学习框架OAAI
OAAI分享收藏A digital twin framework for anomaly detection in industrial robot system based on multiple physics-informed hybrid convolutional autoencoder基于多物理混合卷积自动编码器的工业机器人系统异常检测数字孪生框架
PREAI
分享收藏
查看更多内容