基于GCN-Transformer模型的机床主轴热变形预测方法

本发明涉及基于GCN‑Transformer模型的机床主轴热变形预测方法，包括如下步骤：构建针对机床的传感器网络；在机床的三维模型生成时空图数据集，传感器网络的空间特性通过邻接矩阵来表征；构建GCN‑Transformer模型，该模型包括输入层、一维卷积组件、多头自注意力机制、前馈神经网络层、加法与规范化层以及输出层；预测，通过GCN提取空间特征，Transformer提取时间特征，邻接矩阵，传感器数据作为输入进行热误差；本发明使用Transformer模型捕捉时间特征，再利用GCN捕捉传感器拓扑空间中的空间特征不仅能够准确捕捉热误差的时间特征，还能充分利用传感器的空间信息，使得预测结果更加精确和稳健。