Physics-guided mechanistic residual learning for sparse-condition force prediction in S45C end milling
Deze studie stelt een natuurkundig geleid mechanistisch residueel leerframework voor dat een interpreteerbaar single-active-edge model combineert met een neuraal netwerk dat getraind is om begrensde correcties te leren, waardoor een robuuste en data-efficiënte voorspelling van freeskrachtgolfvormen voor S45C-staal onder schaarse en onbekende bewerkingscondities wordt bereikt.