基于多保真数据与物理约束的油气缸冷镦参数优化方法

本发明公开了基于多保真数据融合与物理约束的冷镦工艺参数分阶段优化方法，包括1）通过Deform有限元仿真与经验公式进行计算，构建多保真度初始数据集，通过归一化与偏差校准提升数据一致性；2）构建多保真物理信息神经网络PINN模型，并采用分阶段训练策略与自适应权重调整机制，建立工艺参数与成形质量指标的映射关系；3）通过划分训练集与测试集验证模型的泛化能力，确保预测结果符合体积守恒准则与材料成形极限，实现冷镦工艺参数的优化。本发明通过多保真数据融合与物理信息嵌入，在增强物理机制与多数据协同的基础上，降低了数据获取成本，提高了模型的泛化性；通过动态权重分配与分阶段训练策略，提高了预测的精度与可靠性。