研究问题

完整温度场难以直接测量、有限元计算又较慢，如何利用过程观测快速估计焊件内部与表面温度？

研究方法

以有限元温度场构造训练数据，用熔池表面宽度序列驱动 LSTM 估计热源参数，再将电流、电压和更新后的热源函数输入 DeepONet。通过学习热传导方程的解算映射，缩短在线推理时间。

主要结果

相对有限元参考数据，论文测试中的 DeepONet 温度预测平均绝对误差约为 1.12 K，模型推理耗时约为 2.94 ms。该结果体现了数值模型替代计算的速度与精度，不是现场温度传感器的测量精度。