[发明专利]基于并联深度学习网络的数控机床热误差预测与补偿方法有效
| 申请号： | 201810936815.9 | 申请日： | 2018-08-16 |
| 公开（公告）号： | CN108803486B | 公开（公告）日： | 2021-02-02 |
| 发明（设计）人： | 余永维;杜柳青;王承辉 | 申请（专利权）人： | 重庆理工大学 |
| 主分类号： | G05B19/404 | 分类号： | G05B19/404 |
| 代理公司： | 重庆博凯知识产权代理有限公司 50212 | 代理人： | 周辉 |
| 地址： | 400054 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于并联深度学习网络的数控机床热误差预测与补偿方法，包括如下步骤：A、采集样本数据：在数控机床上选取热源测量点，检测热源测量点的温度值，和对应时间点的主轴热误差值，作为样本数据；B、建立基于并联深度信念网络的深度学习热误差预测模型；C、将采集到样本数据训练深度学习热误差预测模型；D、实时检测数控机床热源测量点的温度值，并输入训练后的深度学习热误差预测模型，实时预测热误差值；E、将预测的热误差值作为数控机床坐标系原点的补偿平移量，通过坐标系原点偏移实现热误差实时补偿。本发明具有能够准确表征大数据情况下监测温度信号与热误差之间复杂的映射关系，有利于提高热误差预测与补偿精度等优点。 | ||
| 搜索关键词： | 基于 并联 深度 学习 网络 数控机床 误差 预测 补偿 方法 | ||
【主权项】：
1.一种基于并联深度学习网络的数控机床热误差预测与补偿方法，其特征在于，包括如下步骤：A、采集样本数据：在数控机床上选取热源测量点，检测热源测量点的温度值，和对应时间点的主轴热误差值，作为样本数据；B、建立基于并联深度信念网络的深度学习热误差预测模型；C、采用步骤A所采集到样本数据训练深度学习热误差预测模型；D、实时检测数控机床热源测量点的温度值，并输入训练后的深度学习热误差预测模型，实时预测热误差值；E、将预测的热误差值作为数控机床坐标系原点的补偿平移量，通过坐标系原点偏移实现热误差实时补偿。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆理工大学，未经重庆理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810936815.9/，转载请声明来源钻瓜专利网。
