Physics-guided mechanistic residual learning for sparse-condition force prediction in S45C end milling
本研究は、解釈可能な単一刃先モデルと有界な補正を学習するように訓練されたニューラルネットワークを組み合わせた、物理学に基づいたメカニスティックな残差学習フレームワークを提案しており、これにより、疎なおよび未知の加工条件下におけるS45C鋼のミーリング力波形の堅牢かつデータ効率の高い予測を実現する。