研究背景
精密车床在长时间连续切削下，主轴发热、导轨热变形以及环境温差，会让机床整体产生数微米级的几何漂移。对于 ±2μm 以内的公差要求，这种漂移足以决定良率的存亡。传统的离线补偿方法往往难以适应不同工况，因此业界一直在寻找一种"实时、自适应、可泛化"的热误差补偿方案。
方法框架
本研究的核心创新在于：
- 构建了一个面向车床多热源的 高精度数字孪生模型，将主轴、导轨、环境温度共 21 路温度信号纳入；
- 提出 GEC-2 算法（Geometric-Error Compensation Gen-2），用卷积神经网络学习热源—形变映射；
- 通过 50ms 级实时闭环，使机床在 12 小时连续切削下的综合漂移 ≤ 2μm；
- 方案已在斯睿克工厂产线上完成 8 个月的量产验证。
核心实验结果
| 指标 | 原始 | 传统补偿 | GEC-2（本工作） |
|---|---|---|---|
| 1h 漂移 | 5.4 μm | 2.6 μm | 1.1 μm |
| 6h 漂移 | 11.2 μm | 4.1 μm | 1.6 μm |
| 12h 漂移 | 16.8 μm | 6.5 μm | 1.9 μm |
| 算法时延 | — | ~500 ms | ≤ 50 ms |
工程落地
该研究已在 SRK-X7 五轴加工中心中作为底层模块稳定运行半年以上，并被计划在今年下半年推广至公司自动化装备产品线。我们也将在未来开源部分训练数据，与业界共同推动精密机床智能化。
"数字孪生不是炫技，而是一种让工程经验被算法继承的方式。"