基于动态物理信息融合的数控机床热误差预测方法

本发明公开了一种基于动态物理信息融合的数控机床热误差预测方法，属于智能制造与精密加工技术领域。该方法通过层次化融合物理机理与数据驱动模型，创新性地引入贝叶斯动态权重调节机制与多阶段联合优化策略，具体包括以下步骤：建立基于热变形机理的轻量化解析模型；通过热特性试验采集关键温度与位移数据并拟合模型参数；基于高斯过程回归构建融合预测模型，以机理模型为均值函数，结合全局与局部核函数组合拟合热误差的时变特性；基于KL散度动态评估机理与数据预测的分布一致性，通过Sigmoid函数生成自适应权重因子；采用双阶段训练策略，通过预训练优化核参数并逐步引入动态权重调节，实现机理与数据的协同优化。本发明在保证物理可解释性的同时，显著提升热误差预测精度（均方根误差≤0.6μm），且通过动态权重机制增强模型对多工况的适应性，适用于高精度数控机床热变形的实时监测与预测。