预测误差降低5.5%
融合砂轮动态磨损的齿面粗糙度预测方法，解决了传统物理模型忽视砂轮磨损状态和纯数据模型泛化性差的问题。
Tao, Yijie · Jun, Lei · Li, Fu · 李国龙 · Jie, Mei
Surface Topography: Metrology and Properties 2026
通过将砂轮动态磨损状态纳入模型，平均预测误差比传统物理驱动模型降低5.491%。
根据砂轮磨损状态评价方法，结合磨削参数的时变特性修正实际磨粒尺寸，实现砂轮磨损状态的动态预测。
该混合模型可用于优化齿轮磨削工艺参数，以改善高速齿轮的疲劳性能和噪声表现。