一种时空特征融合驱动的叶片铣削轮廓度误差预测方法

本发明公开了一种时空特征融合驱动的叶片铣削轮廓度误差预测方法。本发明将GAT、ECA Net和CNN结合形成叶片轮廓度误差预测模型，并应用于机床加工叶片预测其轮廓度误差的场景中，通过将静态工艺参数与动态过程参数相结合，构建图数据驱动模型，算法能够提取叶片加工数据中的时间特征和空间特征，并将两种特征进行融合。其中，引入的GAT可以学习叶片工艺参数与动态过程参数中的空间关系。ECA Net能够捕捉动态过程参数中的时间特征权重，从而提高模型的时序分析能力。最后，通过CNN对GAT和ECA Net提取的特征进行融合提取，使得时间特征与空间特征得以融合，有效提升了模型对叶片铣削轮廓度误差的预测精度。