刘海波, 邓平, 迟庆宇, 刘天然, 刘阔, 李特, 黄祖广, 刘行健, 薄其乐, STEVEN Y LIANG, 王永青
智能加工作为制造业向高精度与自主化转型的核心方向,其发展高度依赖数据使能技术对多源异构数据的深度解析与智能决策支撑。系统梳理数据使能技术在智能加工领域的研究进展,提出涵盖“在机测量-信号预处理-特征提取-特征融合-数据治理”的全流程使能框架,并重点分析多源传感信息融合、云-雾-边协同计算和工艺知识动态迁移三大关键技术。研究表明,数据使能技术有效增强了加工过程的实时响应与鲁棒性,显著强化了对加工过程可控与质量一致的保障,并在多工业场景中推动了智能化水平的跃升。然而,复杂工艺场景下多物理场耦合建模困难、虚实映射保真度不足、小样本知识迁移效率低等瓶颈仍制约技术应用。针对上述挑战,所提出融合动态联邦学习与因果推理的未来技术路径,为制造业向认知化高阶阶段演进提供系统性研究视角。