发明公开
- 专利标题： 基于深度学习的MSTGCN-A热误差建模预测方法和系统
-
申请号： CN202310869541.7申请日： 2023-07-14
-
公开(公告)号： CN116882289A公开(公告)日： 2023-10-13
- 发明人: 黄诺帝 , 赵致暘 , 陈炜 , 杜正春 , 朱利民
- 申请人： 上海交通大学
- 申请人地址： 上海市闵行区东川路800号
- 专利权人： 上海交通大学
- 当前专利权人： 上海交通大学
- 当前专利权人地址： 上海市闵行区东川路800号
- 代理机构： 上海汉声知识产权代理有限公司
- 代理商 胡晶
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F30/17 ; G06N3/042 ; G06N3/045 ; G06N3/0464 ; G06F119/08
摘要：
本发明提供了一种基于深度学习的MSTGCN‑A热误差建模预测方法和系统，该方法同时对运动轴多个位置的全项热误差建模，并通过空间数据融合避免筛选温度敏感点；模型包括依次构造设置的图邻接矩阵的自学习模块、GCN图卷积模块、TCN时间卷积模块、应用自注意力模块、线性输出层；采用不同工况下的温度和热误差数据进行建模并预测，通过与筛选温度敏感点后的BiLSTM‑CNN模型对比，说明了模型的建模预测精度及泛化能力均优于传统方法。
