关键词：大语言模型;混合微调;变工况机械加工;能耗预测
摘 要：针对现代机械加工中设备、环境、参数等非线性耦合强，以及工况数据分布极不均衡导致的能耗预测难题，提出了一种创新的基于混合微调大模型的变工况机械加工能耗预测方法。首先，设计了一种包括清洗、重构、扩展与抽样的数据预处理方法，构建了全工况与暂态工况能耗数据集，为模型训练提供了高质量数据输入。其次，提出了全参数微调（FPFT）和参数高效微调（PEFT）策略的两阶段混合微调技术，通过全工况能耗数据对大模型进行全参数微调训练，提高了模型的泛化能力和可解释性，同时利用暂态工况能耗数据对大模型进行参数高效微调，解决了变工况下的加工能耗预测难题。实验结果表明，相较于单独微调技术，所提方法在实验数据集上的性能指标MSE和MAE分别降低了70.42%和42.45%以上。与现行基于深度学习的能耗预测方法相比，所提方法更贴近实际变工况机械加工的能耗特性，展现出卓越的性能优势。所提方法可为大模型在机械加工领域的应用提供了有力支撑，展现了广阔的应用前景。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取