Physics-guided mechanistic residual learning for sparse-condition force prediction in S45C end milling
Cette étude propose un cadre d'apprentissage résiduel mécaniste guidé par la physique qui combine un modèle à arête active unique interprétable avec un réseau de neurones entraîné pour apprendre des corrections bornées, atteignant ainsi une prédiction robuste et efficace en termes de données des formes d'ondes de force de fraisage pour l'acier S45C sous des conditions d'usinage éparses et inédites.