山东大学先进加工与智能装备研究团队在AI赋能高性能制造方面取得系列新进展

近日，先进加工与智能装备研究团队刘战强教授、宋清华教授、马海峰教授在AI赋能高性能制造方面取得了一系列创新性进展，先后在Int J Mach Tools Manuf (机械制造领域Top期刊，IF=14)、J Manuf Syst (制造系统与智能制造领域Top期刊，IF=12.3)、Robot Comput-Integr Manuf (机器人与制造自动化领域Top期刊，IF=9.1)和Mech Syst Signal Proc (机械与信号处理领域Top期刊，IF=7.9)等期刊上发表多篇研究论文，为推进制造过程智能化提供了重要支撑。

研究系统综述了制造过程刀具状态监测方法，从感知、特征降维到决策机制全面分析了监测技术进展与挑战，解决了小批量加工中由于刀具磨损随机性引发的监测精度低的难题。相关研究发表在Int J Mach Tools Manuf(2024, 202, 104209)和J Manuf Syst(2025, 80, 694-722)，机械工程学院博士研究生刘德霖为第一作者，刘战强教授为唯一通讯作者。

针对现有监测方法存在工况适应性差、响应实时性不足等问题，团队提出了集成知识和数据驱动的物理信息神经网络，突破了高精度刀具状态监测模型在复杂加工场景下的部署瓶颈。相关研究发表在J Manuf Syst(2025, 79, 27-47)、Mech Syst Signal Proc(2025, 232, 112736)和Robot Comput-Integr Manuf(2025, 92, 102901)，机械工程学院博士研究生房晓辉为第一作者，宋清华教授为唯一通讯作者。

针对制造装备驱动控制有限时间收敛问题，团队提出了饱和容忍预定时-空收敛自适应控制方法，保证驱动状态轨迹严格按照用户定义的时间和精度全局收敛。相关研究发表在IEEE-ASME T Mech(2024,29,1431-1440)，机械工程学院硕士研究生刘为向为第一作者，马海峰教授为唯一通讯作者。

近年来，先进加工与智能装备研究团队面向高端装备智能制造领域的“卡脖子”技术难题，攻克了精密加工过程智能控制、装备运行状态预测与可靠性提升等关键技术，取得了一系列研究成果，包括Mech Syst Signal Proc(2025, 225, 112299)、IntJ Mech Sci(2025, 285, 109821)、Measurement(2025, 248, 116899)、Int J Mach Tools Manuf(2024, 199, 104161)、Robot Comput-Integr Manuf(2024, 88, 102723)和J Manuf Process(2024, 127, 9-26)等。以上研究工作得到国家重点研发计划、国家自然科学基金、山东省重大创新工程、泰山学者项目等支持。