机床热误差自学习预测模型建模方法及基于数字孪生的机床热误差控制方法

摘要

本发明公开了一种机床热误差自学习预测模型建模方法，包括如下步骤：1)输入机床热误差数据，初始化机床热误差数据并构建D1:t＝{(x1，y1)，(x2，y2)…，(xt，yt)}；2)构建概率分布模型：yt＝f(xt)+εt；3)最大化AC函数以获得下一个评估点xt+1，并最小化目标函数和真实函数之间的总损失；4)评估目标函数以获得yt+1；5)判断是否达到最大迭代次数：若是，则输出参数集；若否，则将(xt+1，yt+1)添加到概率分布模型内以更新概率分布模型，返回步骤3)并重复上述步骤，直至获得最优解；6)将通过BOA算法获得的最佳超参数用于Bayesian‑LSTM神经网络模型，并使用Bayesian‑LSTM神经网络模型训练自学习误差预测模型，输出预测的热误差。本发明还公开了一种基于数字孪生的机床热误差控制方法。