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！

龙图腾网获悉清华大学申请的专利数控机床主轴热误差补偿方法及装置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：CN120315372B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202510236469.3，技术领域涉及：G05B19/404；该发明授权数控机床主轴热误差补偿方法及装置是由张云;王冬;袁兆伟;王立平;李学崑设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本数控机床主轴热误差补偿方法及装置在说明书摘要公布了：本申请涉及一种数控机床主轴热误差补偿方法及装置，其中，方法包括:获取温度数据及主轴在不同转速下的热误差数据；通过进行相关性和滞后性分析对机床主轴温度测点实施筛选，构造模型的输入和输出；确定长短期记忆神经网络各参数初始值；随机生成初始群体，确定初始适应度和精英捕食者；随机选择一个捕食者，模拟猎物围绕捕食者和精英捕食者的随机游走过程，更新参数；迭代更新猎物与捕食者位置，重新选择精英捕食者，输出最优解；运用训练数据集构建主轴热误差模型，且通过测试数据集评估主轴热误差模型的预测性能；利用主轴热误差模型得到热误差补偿值，基于热误差补偿值进行误差实时补偿，从而提高了主轴热误差模型的性能和预测准确性。

本发明授权数控机床主轴热误差补偿方法及装置在权利要求书中公布了：1.一种数控机床主轴热误差补偿方法，其特征在于，包括以下步骤： 获取目标数控机床的主轴的温度数据和所述主轴在不同转速下的热误差数据； 基于所述温度数据和所述热误差数据，确定所述主轴对应的多个温度敏感点，并获取所述多个温度敏感点的敏感点温度数据和主轴热误差数据，以根据所述敏感点温度数据和所述主轴热误差数据构建热误差训练数据集和热误差测试数据集； 确定预先构建的长短期记忆神经网络中各个权重参数初始值、偏置参数初始值、细胞状态初始值与隐藏状态初始值，并将所述热误差测试数据集输入至所述长短期记忆神经网络中，以随机生成捕食者初始群体和猎物初始群体，其中，所述捕食者初始群体和所述猎物初始群体均表示一组长短期记忆神经网络参数； 确定最大迭代次数和初始适应度，并基于所述最大迭代次数和所述初始适应度对长短期记忆神经网络参数进行寻优，以得到满足预设初始适应度要求的的精英捕食者； 随机选择一个初始捕食者，并通过所述初始捕食者执行猎物随机游走模拟操作，以更新所述长短期记忆神经网络参数，并通过更新后的长短期记忆神经网络参数确定新的精英捕食者； 迭代执行所述长短期记忆神经网络参数更新操作，直至达到预设迭代结束要求，以输出最优解，并将所述最优解对应的长短期记忆神经网络参数输入所述长短期记忆神经网络中，且将所述热误差训练数据集输入至所述长短期记忆神经网络中，以构建主轴热误差模型，并将所述热误差测试数据集输入至所述主轴热误差模型中，评估所述主轴热误差模型的预测性能，以得到对应的评估结果； 根据所述评估结果和所述主轴热误差模型确定主轴热误差补偿值，并基于所述主轴热误差补偿值，执行所述目标数控机床的主轴热误差补偿操作； 其中，所述随机选择一个初始捕食者，并通过所述初始捕食者执行猎物随机游走模拟操作，以更新所述长短期记忆神经网络参数，并通过更新后的长短期记忆神经网络参数确定新的精英捕食者，包括： 从所述捕食者初始群体中随机选择一个初始捕食者，并通过所述初始捕食者执行所述猎物随机游走模拟操作，其中，所述猎物随机游走模拟操作的数学表达式为： 其中，为计算累积和；为迭代的步长；为猎物随机游走的步长集；为一个等概率取0或1的随机函数，所述随机函数的数学表达式为： 其中，为取值在内的随机数； 对随机游走步数进行归一化，得到对应的归一化结果，以根据所述归一化结果使得所述猎物在目标搜索空间内随机游走，其中，归一化所述随机游走步数的数学表达式为： 其中，表示第个变量随机游走的最小值，表示第个变量随机游走的最大值，表示第i个变量在第t次迭代时所有变量的最小值表示第i个变量在第t次迭代时所有变量的最大值 通过所述初始捕食者设置陷阱影响所述猎物的随机游走行为，设置所述陷阱影响所述猎物的随机游走行为的数学表达式为： 其中，表示第t次迭代时所有变量最小值，表示第t次迭代时所有变量的最大值，表示第i个变量在第t次迭代时所有变量的最小值，表示第i个变量在第t次迭代时所有变量的最大值，表示第次迭代第个捕食者的位置； 当猎物落入捕食者的陷阱后，通过所述陷阱捕获所述猎物并自适应减小所述猎物的行走半径，所述行走半径自适应减小的数学表达式为： 其中，为第t次迭代时所有变量的最小值，为第t次迭代时所有变量的最大值，为比例系数；随着当前迭代次数t和最大迭代次数T变化； 模拟所述初始捕食者捕食成功和所述陷阱的重置操作，以将所述初始捕食者的位置更新至被捕食猎物的位置，并计算被捕食猎物适应度值和初始捕食者适应度值，当所述被捕食猎物适应度值大于所述初始捕食者适应度值时，更新所述初始捕食者位置，其中，更新所述初始捕食者位置的数学表达式为： 其中，为第t次迭代第i个猎物的位置，为第t次迭代第j个捕食者的位置； 将每次迭代过程中得到的满足所述预设初始适应度要求的捕食者作为所述精英捕食者，以通过所述精英捕食者和预设的随机游走策略确定所述猎物的位置，其中，所述随机游走策略的数学表达式为： 其中，表示在随机选择的捕食者附近进行随机游走；表示在所述精英捕食者附近进行随机游走。

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清华大学，其通讯地址为：100084 北京市海淀区清华园1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”。

以上内容由龙图腾AI智能生成。