◆ 高端装备轻量化结构一体化智能成形技术
面向航空航天与汽车制造等领域对轻量化高性能构件的迫切需求，围绕复杂薄壁结构件的高精度塑性成形开展系统研究。主持国家自然科学基金面上项目“超薄波纹扁管连续成形的多维缺陷耦合演化与多目标协同调控研究”（2026–2029），针对连续成形过程中缺陷的交互作用机制，探索工艺参数多目标协同调控策略，提升成形质量与一致性。在双金属复合管弯曲成形方面，通过有限元仿真与实验揭示了界面失效机理、尺寸效应及柔性填充对成形质量的影响规律，相关成果发表于 Materials & Design、Chinese Journal of Aeronautics 等期刊，为轻量化管件的一体化成形提供了理论支撑。同时，结合回弹预测模型与截面变形控制方法，推动成形工艺从经验试错向智能化调控发展。

◆ 超薄结构件复合成形工艺
聚焦异型管、双金属复合管等难变形材料的小半径弯曲、内高压成形等复合成形工艺，深入探究成形缺陷的产生机理与抑制方法。主持国家自然科学基金青年项目“铜系异质双金属复合管小半径绕弯的界面失效机理与柔性填充研究”（2017–2019），揭示了界面结合强度与工艺参数的关联，提出柔性介质填充技术以改善小半径弯曲成形极限。通过校企合作项目“异型管小半径H弯内高压成形缺陷分析与工艺开发”（2022–2024），解决了复杂截面管件内高压成形的壁厚减薄与褶皱问题，形成工艺优化方案。在该领域申请发明专利多项（如“一种薄壁件的半自由弯曲-冲压复合工艺”）。此外，系统研究了薄壁矩形管绕弯成形中的截面畸变、回弹等缺陷，对比不同芯棒材料的填充效果，建立尺寸效应机制模型，相关成果在 International Journal of Mechanical Sciences 等期刊发表，为超薄结构件的高质量成形提供工艺指导。

◆ 基于神经网络的材料-工艺预测模型开发与深度学习
将人工智能与材料加工深度结合，致力于构建基于神经网络的成形质量预测模型，推动成形工艺的智能化设计。在前期研究中，发展了能准确描述材料循环硬化行为的本构模型，并应用于弯曲回弹预测，显著提升了仿真精度。目前，将进一步引入深度学习算法，对弯曲回弹、截面变形等关键指标进行数据驱动建模，实现工艺参数的快速优化与反向设计，探索从“经验试错”向“数据驱动”的范式转变。同时，主讲《计算机思维与人工智能》课程，促进人工智能技术在机械制造领域的交叉应用，为智能制造储备复合型人才。