一种基于多模态深度学习与域适应的机床热误差预测方法

本发明公开了一种基于多模态深度学习与域适应的机床热误差预测方法，包括：构建红外图像特征提取模块，提取红外图像数据的低维热特征；构建时空特征提取模块，提取电流、功率数据中的时空特征；构建多模态特征融合模块，将低维热特征和时空特征融合得到融合特征；构建热误差预测器，根据融合特征进行热误差预测并计算预测损失；采集不同工况的机床运行数据作为源域和目标域；经过上述步骤处理，得到源域和目标域的融合特征以及源域的预测损失；将源域和目标域的融合特征输入深度迁移学习模块，计算域对齐损失，并结合源域的预测损失构建总损失函数，对模型进行联合优化；优化完成后预测目标域的热误差。利用本发明，可以提高预测的准确性。