机理驱动数字孪生系统

热误差预测精度94%

面向进给系统，集成热-机械模型与机理引导多输出宽度学习，无需完备温度场即可预测并补偿热误差，通用性和鲁棒性优于现有方法。

Yingqiang, Zheng · 杨汉波 · 马驰 · Gedong, Jiang · 施虎 · 陶涛 · 梅雪松

Advanced Engineering Informatics 2026

参数信息

热误差预测精度

94.27 %

加工精度提升

64 %

技术优势

无需完备温度场

机理模型能够估计丝杠无法测量的温度数据，使预测不受限于传感器布点密度。

通用性强

机理热-机械集成模型揭示了温度分布和热变形的驱动机制，使模型在不同工况下保持稳健。

应用场景

• 精密机床：补偿丝杠热漂移，使刀尖点保持亚微米级定位。
• 在线误差补偿：控制系统实时接收补偿参数，无需停机或改造机械结构。
• 智能制造装备：数字孪生体融合机理与数据，支持机床自主感知与自适应加工。