山东大学机械工程学院刘战强、张松教授团队 2026 年连续在《Mechanical Systems and Signal Processing》《Journal of Manufacturing Systems》等机械工程 TOP 期刊（IF 最高 14.9）刊发系列机电信息融合原创论文，针对航空、光学领域超精密机床加工痛点，提出物理机理与工业传感数据融合的小样本智能监测新范式，解决高端机电装备在线健康监测噪声大、样本稀缺、模型泛化能力弱的行业难题，成为智能制造机电信息交叉方向年度重要学术突破山东大学新...。

高端超精密加工机床是典型多耦合机电系统，切削过程中刀具磨损、主轴振动、进给伺服误差直接决定工件纳米级加工精度，实时状态监测是保障产品合格率的核心环节。当前主流监测技术分为两类：纯物理机理模型依靠切削动力学、摩擦力学方程推演设备状态，模型参数复杂，难以适配多变加工工况；纯数据驱动深度学习模型依赖海量标注机电信号样本，实际工业场景中刀具破损、主轴故障等异常样本稀缺，加工振动、电流信号伴随强环境噪声，模型极易过拟合，预测结果可信度不足，两类方案均无法兼顾解释性与实用性。

团队创新性提出物理信息嵌入 Transformer（PMT） 融合框架，构建完整机电信息闭环监测系统。硬件端搭建多源同步传感采集平台，在机床主轴、刀架、进给伺服电机处布设振动加速度传感器、切削力测力仪、电流采集单元，同步采集机械动力学、电气控制两类原始机电信号；算法层面将刀具磨损、主轴变形、伺服滞后等成熟机电物理机理方程嵌入深度学习网络损失函数，利用物理规则约束模型训练，大幅降低对标注故障样本的依赖，实现小样本工况下高精度状态预测；同时新增不确定性感知模块，输出磨损预测结果的置信区间，解决工业 AI 模型预测不可解释的痛点。

在超精密加工机电控制系统层面，团队进一步研发误差实时补偿闭环体系：传感器实时采集加工面形误差、切削力波动机电信息，经 PMT 模型实时解析刀具磨损与机床运动偏差，系统自动重构刀具运动轨迹，驱动伺服执行机构动态修正加工误差，实现加工、监测、补偿一体化闭环机电控制。航空铝合金、光学微晶玻璃多组切削实验验证，在仅使用常规样本 15% 数据量的小样本工况下，刀具磨损预测误差降低 62%，超精密工件面形精度提升一个数量级，可大幅减少高端机床传感数据采集、标注成本。

系列成果打通机电装备动力学机理、多源传感信息、智能控制算法三者融合路径，不仅完善精密制造机电监测领域基础理论，同时已与国内航空零部件企业开展产线试点应用，为工业数字孪生、机床预测性维护提供通用建模思路，为机电信息交叉学科小样本智能检测方向提供完整理论框架与工程落地方案。