数控加工中基于少样本视觉语言模型的 G 代码与人机界面（HMI）联合校验
Few-Shot VLM-Based G-Code and HMI Verification in CNC Machining
让视觉语言模型（VLM）同时「看」G 代码文本和机床 HMI 屏幕截图，用少量示例（few-shot）引导，学会发现程序错误、代码残缺与机床状态不一致。
arXiv:2512.11296 · 2025年12月12日（v1） · Yasaman Hashem Pour, Nazanin Mahjourian,
CNC-Net：面向数控加工操作的自监督学习——让神经网络自己学会「怎么把毛坯加工成目标零件」
CNC-Net: Self-Supervised Learning for CNC Machining Operations
不给任何人工标注的加工步骤，让神经网络只看着目标 3D 模型，一步步自己算出铣削/钻孔的刀具半径与路径坐标，把「数控编程」变成「自监督学习」。
arXiv:2312.09925 · 2023年12月15日（v1） · Mohsen Yavartanoo, Sangmin Hong, Reyhane
加工过程三维偏差映射与缺陷监测（3D-DM2）——面向高生产率机器人增材制造
In-process 3D Deviation Mapping and Defect Monitoring (3D-DM2) in High Production-rate Robotic Additive Manufacturing
边打印边扫描：把正在生长的零件实时重建成三维模型，与「近净参考模型」逐点对比生成偏差图，自动分割并跟踪缺陷区域，为及时干预和补偿铺路。
arXiv:2511.05604 · 2025年11月6日（v1） · Subash Gautam, Alejandro Vargas-Uscategu
数字孪生同步：把仿真强化学习智能体与实时机器人增材制造控制连接起来
Digital Twin Synchronization: Bridging the Sim-RL Agent to a Real-Time Robotic Additive Manufacturing Control
先在 Unity 虚拟世界里把机器人「训练好」（SAC 强化学习），再通过 ROS2 实时同步到真实机器人 Viper X300s——用分层奖励结构解决训练慢、不稳定、易卡局部最优的问题。
arXiv:2501.18016 · 2025年1月29日（v1） · Matsive Ali, Sandesh Giri, Sen Liu, Qin
基于过程集成单传感器方法的数据驱动铣削刀具磨损预测
Data-driven tool wear prediction in milling, based on a process-integrated single-sensor approach
只在刀柄里装一个加速度传感器，用振动信号（时域 + 频域特征）训练深度学习模型预测刀具磨损——只用 4 把刀的寿命数据，ConvNeXt 模型就能达到 99.1% 的识别准确率。
arXiv:2412.19950 · 2024年12月27日（v1） · Eric Hirsch, Christian Friedrich（德国，获 SC
数控车削刀具磨损预测：基于超声麦克风阵列与卷积神经网络（CNN）
Tool Wear Prediction in CNC Turning Operations using Ultrasonic Microphone Arrays and CNNs
用 32 路超声麦克风阵列「听」车削声（0 kHz 到 60 kHz），波束成形去噪后用 CNN 预测硬质合金刀片的剩余使用寿命（RUL），在 350 个工件上误差最大仅 6%。
arXiv:2406.08957 · 2024年6月13日（v1） · Jan Steckel, Arne Aerts, Erik Verreycken
车削加工中刀具磨损预测的可解释人工智能（XAI）
Explainable AI for tool wear prediction in turning
用随机森林做刀具「可用/失效」二分类（准确率 92.31%），再用沙普利准则回答「到底哪个传感器特征说了算」——结果：刀具温度最关键。
arXiv:2308.08765 · 2023年8月17日（v1） · Saleh Valizadeh Sotubadi, Rui Liu, Vinh
运动旋转圆锥的包络面刻画及其在数控加工中的应用
Characterizing envelopes of moving rotational cones and applications in CNC machining
证明了一件事：用圆锥铣刀「侧刃加工」时，刀具扫出来的包络面能不能精确贴合设计曲面，由一个非线性偏微分方程（PDE）刻画；三阶接触（超密切）能实现无穿透的高精度加工，可用于刀具选型与路径规划初始化。
arXiv:2001.01444 · 2020年1月6日（v1） · Mikhail Skopenkov, Pengbo Bo, Michael Ba
智能增材制造的基础：给 3D 打印文件加上语义层，让打印过程像控制系统一样自我修正
Foundations of Intelligent Additive Manufacturing
把「零件要满足的规格」以语义层形式写进 3D 打印文件，让打印过程变成带反馈律的闭环控制——边打印、边评估、边修正。
arXiv:1705.00960 · 2017年4月18日（v1） · Kévin Garanger, Eric Feron, Pierre-Loïc
工业注塑成型合成数据提取的进展
Advancements in synthetic data extraction for industrial injection molding
真实注塑数据又贵又难采集？那就用仿真「造」数据——把模拟生产循环生成的合成数据按比例混进训练集（最多 30%），让 LSTM 质量分类模型更鲁棒。
arXiv:2511.08117 · 2025年11月11日（v1） · Georg Rottenwalter, Marcel Tilly, Christ
扩散焊接过程在多晶尺度下的界面穿越高保真建模
High-fidelity modeling of interface crossing in the diffusion welding process at the polycrystalline scale
扩散焊的焊缝质量取决于晶界能不能「穿过」原界面消失掉——本文用水平集方法做 2D 全场微观组织仿真，并给出两种界面穿越的测量模型。
arXiv:2507.20635 · 2025年7月28日（v1） · Camille Godinot, Emmanuel Rigal, Frédéri
迈向基于深度学习的焊接过程在线质量预测系统
Towards a Deep Learning-based Online Quality Prediction System for Welding Processes
用电流/电压等焊接过程数据训练深度学习模型，在线预测焊缝质量——四阶段流水线：多传感器数据管理→自编码器特征工程→循环神经网络质量预测→持续学习应对工艺漂移。
arXiv:2310.12632 · 2023年10月19日（v1） · Yannik Hahn, Robert Maack, Guido Buchhol
迈向工业焊接过程的缺陷检测：深度学习与数据增强
Toward Fault Detection in Industrial Welding Processes with Deep Learning and Data Augmentation
把 TensorFlow 的目标检测模型迁移到激光焊接焊缝质量检测上，发现「适度」数据增强能明显提升 IoU 与召回率，而增强过头反而让性能变差。
arXiv:2106.10160 · 2021年6月18日（v1） · Jibinraj Antony, Florian Schlather, Geor
汽车工业电阻点焊过程数据的函数型聚类方法
Functional clustering methods for resistance spot welding process data in the automotive industry
把每个焊点的「动态电阻曲线」当作一整条函数数据直接聚类，绕开有争议的手工特征提取，在 538 条真实曲线（菲亚特研究中心）上发现聚类与电极磨损状态紧密相关。
arXiv:2007.09128 · 2020年7月17日（v1） · Christian Capezza, Fabio Centofanti, Ant
面向刀具状态监测的多状态诊断与预测框架（带特征学习）
A Multi-State Diagnosis and Prognosis Framework with Feature Learning for Tool Condition Monitoring
先用代价敏感深度信念网络（ECS-DBN）诊断刀具处于哪个磨损状态，再按状态切换到对应退化模型预测磨损量——在真实枪钻数据集上准确率和鲁棒性都优于多种流行机器学习方法。
arXiv:1805.00367 · 2018年4月30日（v1） · Chong Zhang, Geok Soon Hong, Jun-Hong Zh