IDEAL实验室硕士生郭海宇在国际高水平期刊《Precision Engineering》发表液体静压导轨精密建模最新成果
Elsevier出版集团旗下国际期刊《Precision Engineering》近日录用厦门大学侯亮教授团队最新研究成果：Physics-data-driven precision modeling of membrane-throttled hydrostatic guideway for performance prediction。
液体静压导轨是超精密机床直线进给系统的关键承载与导向部件。面对按承载力、刚度和运行约束进行定制设计的需求，理想化解析模型虽计算快速，却难以充分描述非平行节流间隙、分布式压力损失和膜片非均匀变形等实际效应；高保真流固耦合模型计算成本较高，纯数据驱动模型在小样本条件下又容易过拟合并产生违背物理规律的预测。
图1 多保真物理约束神经网络（MF-PCNN）代理模型框架
针对上述问题，本研究首先基于电液类比原理构建解析模型，阐明其节流与承载特性，揭示了预加压、初始平衡、节流调控及线性承载、节流失效与卡滞四个运行阶段。同时，通过建立流固耦合模型，识别了非平行节流间隙、压力损失分布及膜片变形不均等解析建模的主要误差来源。为提升预测精度，进一步提出物理-数据双驱动的精密建模（PDPM）框架：首先采用Sobol敏感性分析辨识主导性能的关键因素；继而引入基于Metropolis-Hastings布谷鸟搜索（MH-CS）的贝叶斯校准方法量化认知不确定性参数，修正解析模型；最终融合校准解析数据与稀疏试验数据，构建多保真度物理约束神经网络（MF-PCNN），实现油膜厚度、压力及流量的快速精准预测，并完成多源不确定性量化。结果表明，该PDPM框架所构建的代理模型在预测精度、物理一致性与推理效率间取得良好平衡，为静压导轨的高效精确建模提供了新途径。
《Precision Engineering》是精密制造领域的核心期刊，中科院二区，JCR Q1, 论文第一作者为硕士研究生郭海宇，侯亮教授为通讯作者。该研究得到国家自然科学基金（51975495）、福建省产学合作项目（2026H6002）及福建省制造业可持续制造战略与技术重点实验室支持。
