近日，機械工程學院船舶與海工裝備智能制造團隊22 級碩士研究生戴逸群在國際工業信息領域的頂級期刊IEEE Transactions on Industrial Informatics（影響因子11.7，中科院一區TOP）上以第一作者身份發表論文《Time-Generative Adversarial Networks Enabled Ensemble Prediction Method for Energy Consumption of Machine Tools》，機械工程學院謝陽老師為通訊作者。同時，針對數控加工能耗預測模型的對比研究，在國際環境工程頂級期刊Journal of Cleaner Production（影響因子9.8，中科院一區TOP），以謝陽老師第一，戴逸群第二作者身份發表論文《An integration model enabled deep learning for energy prediction of machine tools》。

研究團隊針對工業場景中小樣本學習問題，提出了一種數據增強的機床能耗集成預測方法，并通過時間序列過程生成對抗網絡提取加工全過程特征，利用增強樣本訓練集成模型并對機床加工全過程做回歸預測，進一步形成一種基于集成模型和長短期記憶神經網絡的機床能量預測模型，解決了數控機床能耗動態特性表征不明確的問題。并以數控銑削過程為例，證明了所提出模型對機床運行狀態識別的準確率可以提高到96.8%，從而在未來能夠為制造企業建立精準的能耗預測系統，助力“雙碳”目標達成。

上述兩項研究工作均得到了國家自然科學基金（52205527；52075229）和江蘇省自然科學基金-面上項目（22KJB460018），以及江蘇省研究生創新計劃項目（KYCX24_4078）的資助，并且基礎工作均源于自然科學基金項目確定的研究方向、凝練的科學問題以及戴逸群在碩士研究生階段的研究內容。上述成果的取得，充分彰顯了機械工程學院高度重視自然科學基金申報與培育工作，致力全面提升研究生的培養質量。未來機械工程學院將繼續強化科研戰略布局，不斷提高科技創新能力。

論文1鏈接：https://ieeexplore.ieee.org/document/10880664

論文2鏈接：https://doi.org/10.1016/j.jclepro.2025.145075