近日，機械工程學院船舶與海工裝備智能制造團隊22 級碩士研究生戴逸群在國際工業(yè)信息領(lǐng)域的頂級期刊IEEE Transactions on Industrial Informatics（影響因子11.7，中科院一區(qū)TOP）上以第一作者身份發(fā)表論文《Time-Generative Adversarial Networks Enabled Ensemble Prediction Method for Energy Consumption of Machine Tools》，機械工程學院謝陽老師為通訊作者。同時，針對數(shù)控加工能耗預測模型的對比研究，在國際環(huán)境工程頂級期刊Journal of Cleaner Production（影響因子9.8，中科院一區(qū)TOP），以謝陽老師第一，戴逸群第二作者身份發(fā)表論文《An integration model enabled deep learning for energy prediction of machine tools》。

研究團隊針對工業(yè)場景中小樣本學習問題，提出了一種數(shù)據(jù)增強的機床能耗集成預測方法，并通過時間序列過程生成對抗網(wǎng)絡提取加工全過程特征，利用增強樣本訓練集成模型并對機床加工全過程做回歸預測，進一步形成一種基于集成模型和長短期記憶神經(jīng)網(wǎng)絡的機床能量預測模型，解決了數(shù)控機床能耗動態(tài)特性表征不明確的問題。并以數(shù)控銑削過程為例，證明了所提出模型對機床運行狀態(tài)識別的準確率可以提高到96.8%，從而在未來能夠為制造企業(yè)建立精準的能耗預測系統(tǒng)，助力“雙碳”目標達成。

上述兩項研究工作均得到了國家自然科學基金（52205527；52075229）和江蘇省自然科學基金-面上項目（22KJB460018），以及江蘇省研究生創(chuàng)新計劃項目（KYCX24_4078）的資助，并且基礎(chǔ)工作均源于自然科學基金項目確定的研究方向、凝練的科學問題以及戴逸群在碩士研究生階段的研究內(nèi)容。上述成果的取得，充分彰顯了機械工程學院高度重視自然科學基金申報與培育工作，致力全面提升研究生的培養(yǎng)質(zhì)量。未來機械工程學院將繼續(xù)強化科研戰(zhàn)略布局，不斷提高科技創(chuàng)新能力。

論文1鏈接：https://ieeexplore.ieee.org/document/10880664

論文2鏈接：https://doi.org/10.1016/j.jclepro.2025.145075