買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜宜賓四川大學(xué)產(chǎn)業(yè)技術(shù)研究院申請的專利一種考慮動(dòng)態(tài)冷卻效應(yīng)的數(shù)控機(jī)床主軸熱誤差建模方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119937460B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-06-03發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202510436170.2，技術(shù)領(lǐng)域涉及：G05B19/404；該發(fā)明授權(quán)一種考慮動(dòng)態(tài)冷卻效應(yīng)的數(shù)控機(jī)床主軸熱誤差建模方法是由彭驥;楊柯;李龍江;苗志毅;胡曉兵;殷鳴;陳海軍設(shè)計(jì)研發(fā)完成，并于2025-04-09向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種考慮動(dòng)態(tài)冷卻效應(yīng)的數(shù)控機(jī)床主軸熱誤差建模方法在說明書摘要公布了：本發(fā)明屬于數(shù)控機(jī)床誤差補(bǔ)償領(lǐng)域，具體涉及一種考慮動(dòng)態(tài)冷卻效應(yīng)的數(shù)控機(jī)床主軸熱誤差建模方法，該方法包括步驟1：設(shè)計(jì)熱態(tài)特性實(shí)驗(yàn)并采集數(shù)據(jù)集；步驟2：構(gòu)建動(dòng)態(tài)冷卻效應(yīng)表征層；步驟3：構(gòu)建KE?LSTM溫度特征提取層；步驟4：構(gòu)建雙注意力融合層；步驟5：構(gòu)建KAN層與輸出層；步驟6：通過灰狼優(yōu)化算法優(yōu)化神經(jīng)網(wǎng)絡(luò)關(guān)鍵超參數(shù)；最終構(gòu)建了考慮動(dòng)態(tài)冷卻效應(yīng)的機(jī)床主軸熱誤差模型CCTEM，本發(fā)明提升了模型的可解釋性和泛化能力，克服了忽略動(dòng)態(tài)冷卻效應(yīng)所帶來的不足，為后期熱誤差補(bǔ)償提供了核心支撐。

本發(fā)明授權(quán)一種考慮動(dòng)態(tài)冷卻效應(yīng)的數(shù)控機(jī)床主軸熱誤差建模方法在權(quán)利要求書中公布了：1.一種考慮動(dòng)態(tài)冷卻效應(yīng)的數(shù)控機(jī)床主軸熱誤差建模方法，其特征在于，包括如下步驟：步驟1：基于“ON-OFF”間歇性冷卻原理設(shè)計(jì)熱態(tài)特性實(shí)驗(yàn)，并采集溫度數(shù)據(jù)和熱誤差數(shù)據(jù)，進(jìn)行時(shí)間切片處理構(gòu)建數(shù)據(jù)集；所述溫度數(shù)據(jù)包括靠近冷卻水道的主軸實(shí)時(shí)溫度、主軸箱頂部溫度、立柱底部溫度和機(jī)床底部溫度；所述熱誤差數(shù)據(jù)是指數(shù)控機(jī)床軸向位移；步驟2：構(gòu)建動(dòng)態(tài)冷卻效應(yīng)表征層；首先，在時(shí)間窗口內(nèi)，基于主軸實(shí)時(shí)溫度與冷卻液溫度閾值進(jìn)行冷卻效應(yīng)編碼；然后，將冷卻效應(yīng)編碼映射為冷卻效應(yīng)特征矩陣，是動(dòng)態(tài)冷卻效應(yīng)表征層權(quán)重參數(shù)矩陣，是動(dòng)態(tài)冷卻效應(yīng)表征層偏置項(xiàng)；步驟3：構(gòu)建KE-LSTM溫度特征提取層；首先，改進(jìn)LSTM網(wǎng)絡(luò)，將科爾莫戈羅夫-阿諾德網(wǎng)絡(luò)與長短期記憶神經(jīng)網(wǎng)絡(luò)融合構(gòu)成KE-LSTM神經(jīng)元；然后，KE-LSTM神經(jīng)元中的遺忘門、輸入門、輸出門的激活函數(shù)采用hard-sigmoid激活函數(shù)；KE-LSTM神經(jīng)元中的候選細(xì)胞狀態(tài)和隱藏狀態(tài)的激活函數(shù)采用Softsign激活函數(shù)；最后，將隱藏單元分別為和的兩層KE-LSTM神經(jīng)元堆疊構(gòu)建KE-LSTM溫度特征提取層；步驟4：構(gòu)建雙注意力機(jī)制融合層；首先，利用KE-LSTM溫度特征提取層提取在時(shí)間窗內(nèi)溫度數(shù)據(jù)中溫度隱藏狀態(tài)特征，構(gòu)建溫度隱藏狀態(tài)矩陣，將溫度隱藏狀態(tài)矩陣與冷卻效應(yīng)編碼拼接后通過差分自注意力機(jī)制計(jì)算差分注意力，對(duì)進(jìn)行線性變換，輸出上下文向量；然后，對(duì)溫度隱藏狀態(tài)矩陣進(jìn)行平均池化提取每個(gè)通道的全局統(tǒng)計(jì)信息；利用全連接層對(duì)壓縮后的全局統(tǒng)計(jì)信息進(jìn)行降維，再采用LeakyReLU激活函數(shù)進(jìn)行非線性處理獲取降維全局信息；對(duì)冷卻效應(yīng)特征矩陣進(jìn)行平均池化提取每個(gè)通道的動(dòng)態(tài)冷卻信息，然后基于全連接層對(duì)和進(jìn)行線性變換，通過Sigmoid函數(shù)計(jì)算通道權(quán)重；基于考慮動(dòng)態(tài)冷卻效應(yīng)的通道注意力權(quán)重計(jì)算上下文向量；是溫度隱藏狀態(tài)矩陣，表示哈達(dá)瑪積運(yùn)算；最后，對(duì)差分注意力機(jī)制輸出的上下文向量和通道注意力機(jī)制輸出的上下文向量進(jìn)行相加得到融合特征向量；步驟5：構(gòu)建KAN層和預(yù)測輸出層；將隱藏單元分別為和的兩層科爾莫戈羅夫-阿諾德網(wǎng)絡(luò)堆疊構(gòu)建KAN層，進(jìn)一步處理融合特征向量，再線性變換后輸出熱誤差預(yù)測值；步驟6：基于灰狼優(yōu)化算法和步驟1構(gòu)建的數(shù)據(jù)集優(yōu)化模型超參數(shù)，建立考慮動(dòng)態(tài)冷卻效應(yīng)的機(jī)床主軸熱誤差模型。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人宜賓四川大學(xué)產(chǎn)業(yè)技術(shù)研究院，其通訊地址為：644000 四川省宜賓市臨港經(jīng)濟(jì)技術(shù)開發(fā)區(qū)長江北路西段附二段四川大學(xué)宜賓園區(qū)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。