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。