买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于多模态深度学习与域适应的机床热误差预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120234592B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510720012.X，技术领域涉及：G06F18/213；该发明授权一种基于多模态深度学习与域适应的机床热误差预测方法是由傅建中;俞丰文;彭业振;周文泓;康为民;姚鑫骅;栾丛丛设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本一种基于多模态深度学习与域适应的机床热误差预测方法在说明书摘要公布了：本发明公开了一种基于多模态深度学习与域适应的机床热误差预测方法，包括：构建红外图像特征提取模块，提取红外图像数据的低维热特征；构建时空特征提取模块，提取电流、功率数据中的时空特征；构建多模态特征融合模块，将低维热特征和时空特征融合得到融合特征；构建热误差预测器，根据融合特征进行热误差预测并计算预测损失；采集不同工况的机床运行数据作为源域和目标域；经过上述步骤处理，得到源域和目标域的融合特征以及源域的预测损失；将源域和目标域的融合特征输入深度迁移学习模块，计算域对齐损失，并结合源域的预测损失构建总损失函数，对模型进行联合优化；优化完成后预测目标域的热误差。利用本发明，可以提高预测的准确性。

本发明授权一种基于多模态深度学习与域适应的机床热误差预测方法在权利要求书中公布了：1.一种基于多模态深度学习与域适应的机床热误差预测方法，其特征在于，包括以下步骤： （1）构建红外图像特征提取模块，该模块基于预训练的ConvNeXt模型对输入的红外图像数据进行处理得到热特征图，对热特征图进行下采样操作后基于多头自注意力机制捕捉时序依赖，最后基于多层1D卷积得到低维热特征； （2）构建时空特征提取模块，该模块基于时空卷积网络和多头自注意力机制提取电流、功率数据中的时空特征； （3）构建多模态特征融合模块，该模块将低维热特征和时空特征映射到同一维度空间后进行深度特征融合，得到融合特征； （4）构建热误差预测器，以融合特征作为输入，进行热误差预测，并计算热误差的预测损失； （5）采集来自不同工况的机床运行数据分别作为源域和目标域，机床运行数据包括机床主轴的红外图像数据以及机床的电流、功率、热误差数据；将源域和目标域的机床运行数据同时经过步骤（1）~步骤（4）的处理，得到源域的融合特征、目标域的融合特征以及源域的热误差预测损失； （6）将源域和目标域的融合特征输入基于DTW距离构建的深度迁移学习模块，计算源域和目标域的域对齐损失；并综合源域的热误差预测损失和域对齐损失构建总损失函数，对各个模块和热误差预测器进行联合优化； （7）优化完成后，将目标域的融合特征输入热误差预测器，得到机床热误差。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。