基于PINN的磨削温度预测方法及迁移学习模型

本发明基于PINN的磨削温度预测方法及迁移学习模型，属于缓进给磨削领域及神经网络技术领域；方法步骤包括：建立非稳态热传导控制方程，并定义复合边界条件；基于设定的磨削工艺参数及工件材料特性计算热源的热流密度；构建PINN温度预测模型；基于稀疏测温数据，采用梯度优化算法动态反演校正热传导系数和对流换热系数；建立迁移学习机制，加速新工况下的PINN温度预测模型求解；基于预测温度场识别超过材料临界损伤温度的高风险区域，优化加工参数以预防磨削烧伤。本发明将非稳态热传导方程嵌入神经网络，替代经验公式约束，确保动态过程物理一致性；同时能够基于极少量测温点反演关键物性参数，解决边界条件不确定性问题。