数控机床的热误差是制约加工精度的“隐形杀手”。浙江工业大学联合嘉兴学院、浙江大学等机构，提出一种Transformer-GRU复合模型，融合温度、振动、位移多源信息，实现热误差预测精度提升36.9%，为高端制造装备的实时误差补偿提供了全新智能方案。
一、热误差：数控机床精度的“温度敌人”
数控机床在运行过程中，主轴、进给系统、导轨等部件因摩擦和电机发热会产生显著温升，导致结构热变形，进而引起刀具与工件相对位置偏差——这就是热误差。研究表明，热误差可占机床总误差的40%～70%，是制约精密和超精密加工质量的关键因素。
传统的热误差补偿方法主要依赖温度传感器数据和线性回归模型，但存在两大局限：
信息单一：仅考虑温度，忽略振动、位移等同样反映热行为的动态信号;
模型能力不足：线性模型难以捕捉热误差的非线性、时变特性，且对多因素耦合的表征能力有限。
二、科创亮点：多源信息融合+Transformer-GRU复合模型
2026年2月19日，浙江工业大学、嘉兴学院、浙江大学、衢州学院联合研究团队在测量与仪器领域权威期刊《Measurement Science and Technology》发表论文，首次提出一种基于多源信息融合的Transformer-GRU复合模型，用于数控机床进给系统的热误差预测。
亮点一：多源信息融合——听见温度之外的“声音”
研究团队打破了单一温度监测的局限，同步采集三类物理量：
| 信号类型 | 传感器 | 作用 |
|---|---|---|
| 温度 | 热电偶 | 监测关键热源温升 |
| 振动 | 加速度计 | 反映机械动态特性和摩擦状态 |
| 位移 | 电涡流传感器 | 直接测量热变形量 |
数据预处理环节采用了组合策略：
温度敏感点筛选：模糊C均值聚类 + 灰色关联分析，从众多测温点中优选出与热误差最相关的关键点
振动信号降噪：经验模态分解 + 小波阈值处理，提取反映热行为的振动特征
亮点二：Transformer-GRU复合模型——长短时序特征协同捕捉
模型架构的创新之处在于将GRU(门控循环单元)嵌入Transformer框架：
GRU层：高效捕捉短期时序依赖，处理传感器序列的局部波动
Transformer层：通过自注意力机制建模长程依赖关系，捕捉热误差在全天运行中的累积效应和周期性规律
复合优势：GRU的快速响应与Transformer的全局视野相结合，实现对热误差时空演变的精准刻画
亮点三：性能突破——预测精度显著提升
在数控机床进给系统实际运行数据上的验证结果显示，Transformer-GRU复合模型相比现有主流模型优势明显：
| 对比模型 | RMSE降低 | MAE降低 | MSE降低 |
|---|---|---|---|
| vs. Transformer | 36.9% | 15.4% | 29.9% |
| vs. CNN-GRU | 41.4% | — | 65.4% |
这一结果表明，多源信息融合与复合模型架构的协同作用，显著增强了对热误差非线性、时变特性的建模能力。
三、应用前景：让精密加工“无视温度波动”
1. 实时误差补偿，提升加工精度
该模型可直接集成到数控系统的前馈补偿模块：基于实时传感器数据，预测未来时刻的热误差，并反向补偿进给指令，使机床在温度波动环境中仍能保持亚微米级定位精度。
2. 缩短预热时间，提高设备利用率
传统机床需长时间预热待热平衡后方可进行精密加工。精准的热误差预测可在升温阶段即启动补偿，大幅缩短等待时间，提升设备有效利用率。
3. 智能运维与健康管理
模型输出的热误差趋势可反映进给系统摩擦状态、润滑状况的变化，为预测性维护提供依据。
4. 跨机型泛化潜力
研究方法具有通用性，可推广至车床、铣床、加工中心等各类数控机床，以及主轴、导轨等关键部件的热误差建模。
四、产业意义：从“被动补偿”到“主动感知”
这项研究的深层价值在于重构了热误差补偿的技术范式：从依赖单一温度信号的“事后补偿”，升级为融合多源物理信息的“事前预测”。通过将振动、位移等动态信息纳入建模，模型不仅“看见”了温度变化，更“听见”了机械状态的细微演变，实现了对热行为更本质的理解。
正如论文通讯作者之一、浙江工业大学姚鑫骅副教授所言：“多源信息融合与先进时序模型的结合，为数控机床的智能热误差补偿开辟了新路径，让精密制造真正迈向‘无视温度波动’的阶段。”
来源：浙江工业大学、嘉兴学院、浙江大学、衢州学院；作者：Yahao Chen, Xuanyi Wang, Xiaolei Deng, Honglie Ma, Zhongyu Piao, Xiaoliang Lin, Huan Lin, Xinhua Yao, Hongyao Shen；题目：Thermal error prediction method of Transformer-GRU composite model for CNC machine tool feeding system based on multi-source information fusion；发表于：Measurement Science and Technology（2026年2月19日）。
