数控机床是精密和超精密加工制造的基石,承担着为航空航天、船舶、核电等领域提供高端装备的重任。随着“中国制造2025”计划的提出和落实,制造业对数控机床的加工精度的要求日益提高。国内外多项研究表明,机床因受热形变而引起的热误差是影响数控机床加工精度的最主要因素。因此,有效的补偿机床热误差从而提高机床加工精度,具有重大的理论价值和实践意义。本文以ZK5540A重型数控机床为研究对象,设计开发基于边缘计算的嵌入式热误差补偿控制器,使用轻量化卷积神经网络建立热误差预测模型,并在数控机床上对补偿装置进行测试验证。论文的主要研究工作如下:(1)根据边缘计算的架构,制定热误差补偿控制器的总体方案,将其分为边缘网络层、边缘应用层和边-云网络层三个层次。边缘网络层中,设计两种传感器通信接口以感知机床温度和热误差数据,利用NCUC-IP核设计基于FPGA的总线通信模块实现与数控系统的通信。边-云网络层中,设计网络通信电路和基于MQTT-XML的通信协议实现边缘和云平台间的双向通信。采用ARM处理器作为主控单元并部署边缘应用开发环境,针对采集数据中的异常值研究基于可变阈值的实时预处理方法,同时提出基于G代码内嵌参数法的补偿控制策略。(2)研究基于轻量化卷积神经网络的热误差建模方法。首先针对传统热误差建模方法依赖关键测温点选取效果的问题,采用卷积神经网络建立热误差模型。然后为降低模型运行时的资源消耗,使该模型能在补偿控制器上训练更新以快速适应不同加工条件,使用轻量化卷积计算框架shufflenet代替标准卷积以减少模型的计算量,同时提出渐进阈值剪枝方法减少全连接层的参数量。最后在补偿装置上验证提出的建模方法的预测精度和运行效率。(3)将补偿控制器部署在配有HNC-848C数控系统的ZK5540A重型数控机床上,对该装置的边缘网络和边-云网络通信功能进行长时间测试,并通过仿真实验验证数据预处理方法的有效性和实时性。最后设计基于控制变量法的补偿实验方案,在铣削加工工况下于不同季节对补偿控制器的热误差补偿功能进行测试验证。