浙江大学赵朋教授团队《IEEE TII》: AI赋能材料加工热管理，时间再注意力机制破解大时滞温度预测难题

文章预览

在材料加工过程中， 温度直接影响最终产品质量 ，因此对加工温度的预测至关重要。 复杂的成形工艺与特殊的厚壁结构给温度预测带来了诸多挑战。以注射成形料筒为例，其内部设置多个温度段，各段目标温度各异，存在温差传热现象；且加热料筒壁厚超过40mm，热量从外表面传导至内部耗时长；此外，加工过程涵盖升温、冷却等多工况，传热特性极为复杂。 强耦合 、 大时滞、变工况 导致 加工温度预测难 。 现有的 多变量预测方法有物理模型方法和数据驱动方法 。 ·  物理模型方法，如时间序列模型和数值模型，虽能描述系统动态特征，但 建模过程复杂，需精确确定大量参数 ，导致工业化应用困难。 ·  数据驱动方法，如最小二乘回归、支持向量回归和人工神经网络（ANN），适合处理多变量任务，能从数据中建立映射关系且实现简便。但其 ………………………………