一种基于深度学习算法的水冷电主轴温度超前预测方法

本发明提供了一种基于深度学习算法的水冷电主轴温度超前预测方法，通过在水冷电主轴表面设置温度传感器，训练由工况特征分类模块和温度超前预测模块组成的温度超前预测网络实现水冷电主轴的温度超前预测。其中，工况特征分类模块由串联的支持向量机算法和普拉特缩放算法（Platt Scaling）组成，用以预测压缩机的启停状态；温度超前预测模块由并联的两路神经网络组成，两路神经网络的输出值根据工况特征分类模块的预测值按比例相加，实现水冷电主轴的温度超前预测。本发明实现了水冷电主轴的温度超前预测，有助于后续实现水冷电主轴热误差的超前预测及反补偿，进一步减少因温度变化产生的加工误差。