项目描述：研究内容：针对材料成型中传统挤压力预测精度低、耗时长的问题，主导机器学习预测模型研究。
负责内容：处理216组工艺参数与实测数据处理，通过数据标准化与异常值清洗等手段提升数据质量；提取关键特征，对比多种算法预测结果。
研究成果：最终选用SVR模型，平均绝对误差3.23%，R² 达 0.98，将预测耗时从数小时缩短至秒级，为工艺优化提供决策支持；省级核心期刊一篇。

项目描述：研究背景：针对传统挤压模具存在的高能耗与应力集中问题，以设计低能耗、低模具损耗的新型挤压模具。
负责内容： 建立运动许可的速度场，推导内部塑性变形功率、剪切功率、摩擦功率的数学表达式，利用数值模拟进行验证，分析力能参数的变化规律。
研究成果：建立满足流函数约束条件的运动许可速度场与应变速率场，采用应变矢量内积法与插值拟合取代法解决积分困难，实现变形功率的精准量化预测。通过对模面流线型优化设计，成功达到挤压力降低12%的技术指标，更同步降低了应力集中现象及模具磨损的风险。SCI论文一篇，中文核心期刊论文一篇，省级核心期刊一篇。