文章内容

本报讯 近日，我校机械工程学院船舶与海工装备智能制造团队22 级硕士研究生戴逸群在国际工业信息领域的顶级期刊 IEEETransactions on Industrial Informatics（影响因子 11.7，中国科学院一区 TOP）上以第一作者身 份 发 表 论 文《Time- Generative AdversarialNetworks Enabled Ensemble Prediction Meth-od for Energy Consumption of Machine Tools》，机械工程学院谢阳老师为通讯作者。同时，针对数控加工能耗预测模型的对比研究，在国际环境工程顶级期刊 Journal of Cleaner Produc-tion（影响因子 9.8，中国科学院一区 TOP），以谢阳老师第一作者，戴逸群第二作者身份发表了 论 文《An integration model enabled deeplearningforenergypredictionofmachinetools》。

研究团队针对工业场景中小样本学习问题，提出了一种数据增强的机床能耗集成预测方法，并通过时间序列过程生成对抗网络提取加工全过程特征，利用增强样本训练集成模型并对机床加工全过程做回归预测，进一步形成一种基于集成模型和长短期记忆神经网络的机床能量预测模型，解决了数控机床能耗动态特性表征不明确的问题。并以数控铣削过程为例，证明了所提出模型对机床运行状态识别的准确率可以提高到96.8%，从而在未来能够为制造企业建立精准的能耗预测系统，助力“双碳”目标达成。

上述两项研究工作均得到了国家自然科学基金（52205527；52075229）和江苏省自然科学基金-面上项目（22KJB460018），以及江苏省研究生创新计划项目（KYCX24_4078）的资助，并且基础工作均源于自然科学基金项目确定的研究方向、凝练的科学问题以及戴逸群在硕士研究生阶段的研究内容。

（刘赞）