针对活塞杆车削加工中表面粗糙度数据不平衡问题，提出一种基于双空间对齐生成对抗网络与多传感器信息融合的预测模型，通过特征对齐与多尺度特征融合提升预测准确性。
Niu, Mengmeng · 刘阔 · Jiadong, Huang · Wang Y.
Applied Soft Computing Journal 2026
在传统GAN基础上增加特征匹配模块，增强真实样本与生成样本在信号空间和特征空间的对齐；同时对隐向量z进行温度控制，提升生成样本的多样性。
在CNN分类模型中引入Squeeze-and-Excitation模块，增强对不同通道特征重要性的建模；采用多尺度特征聚合提取不同尺度的关键特征并进行融合，丰富特征表示。
在两组车削棒料实验中，所提方法达到97.2%和96.1%的预测准确率，优于多个基线模型，显示出卓越的泛化能力和有效性。