北京工业大学《Nature》子刊：物理信息和数据驱动框架用于机器人焊接

本文提出了一种通用的基于物理学的高效神经智能混合优化框架（PHOENIX），并将其应用于机器人焊接场景。该框架将物理学原理系统地集成到其输入、模型结构和动态优化过程中，从而实现主动、实时检测和预测焊接不稳定性。PHOENIX框架通过物理数据驱动建模，在保持原有模型性能的同时，大幅降低了对高成本数据的依赖，并利用云端优化模块，将新数据与历史经验相结合，实现模型参数的自主优化。该框架在机器人变极性等离子弧（VPPA）焊接技术中展示了可靠的预测性能和适应性，提前0.05 s实现精确的不稳定预警，预测准确率高达98.1%。