1.一種基于數(shù)據(jù)驅(qū)動(dòng)和稀疏序列化的綜合熱定位誤差建模方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)驅(qū)動(dòng)和稀疏序列化的綜合熱定位誤差建模方法，其特征在于，所述步驟s1中，還包括：
3.根據(jù)權(quán)利要求2所述的一種基于數(shù)據(jù)驅(qū)動(dòng)和稀疏序列化的綜合熱定位誤差建模方法，其特征在于，所述對(duì)所述增量化的歷史溫度數(shù)據(jù)進(jìn)行稀疏序列化操作，以得到稀疏序列化的歷史溫度數(shù)據(jù)，還包括：
4.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)驅(qū)動(dòng)和稀疏序列化的綜合熱定位誤差建模方法，其特征在于，所述ggt熱漂移預(yù)測模型包含gcn模塊、bi-gru模塊、編碼器模塊、第一線性層、relu激活層、第二線性層和輸出層，所述根據(jù)所述訓(xùn)練數(shù)據(jù)集中的歷史溫度數(shù)據(jù)和歷史熱漂移數(shù)據(jù)建立ggt熱漂移預(yù)測模型，還包括：
5.根據(jù)權(quán)利要求4所述的一種基于數(shù)據(jù)驅(qū)動(dòng)和稀疏序列化的綜合熱定位誤差建模方法，其特征在于，還包括：
6.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)驅(qū)動(dòng)和稀疏序列化的綜合熱定位誤差建模方法，其特征在于，所述根據(jù)所述訓(xùn)練數(shù)據(jù)集中的歷史溫度數(shù)據(jù)和歷史熱斜率數(shù)據(jù)建立熱斜率預(yù)測模型，其中，所述熱斜率預(yù)測模型為隨機(jī)森林模型或者基于光柵尺熱膨脹的物理模型，還包括：
7.根據(jù)權(quán)利要求6所述的一種基于數(shù)據(jù)驅(qū)動(dòng)和稀疏序列化的綜合熱定位誤差建模方法，其特征在于，所述隨機(jī)森林模型是一種包含多個(gè)決策樹的機(jī)器學(xué)習(xí)模型，將歷史溫度數(shù)據(jù)輸入單個(gè)決策樹獲得一個(gè)熱斜率預(yù)測值，多個(gè)決策樹的熱斜率預(yù)測值加權(quán)疊加形成隨機(jī)森林模型，以獲取更好的預(yù)測能力和模型魯棒性；
8.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)驅(qū)動(dòng)和稀疏序列化的綜合熱定位誤差建模方法，其特征在于，所述根據(jù)所述驗(yàn)證數(shù)據(jù)集中的歷史溫度數(shù)據(jù)和歷史綜合熱定位誤差數(shù)據(jù)對(duì)所述綜合熱定位誤差模型進(jìn)行評(píng)估，還包括：
9.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)驅(qū)動(dòng)和稀疏序列化的綜合熱定位誤差建模方法，其特征在于，所述采集機(jī)床全閉環(huán)多軸傳動(dòng)系統(tǒng)中多個(gè)測溫點(diǎn)的歷史溫度數(shù)據(jù)和歷史綜合熱定位誤差數(shù)據(jù)，還包括：
10.根據(jù)權(quán)利要求9所述的一種基于數(shù)據(jù)驅(qū)動(dòng)和稀疏序列化的綜合熱定位誤差建模方法，其特征在于，所述歷史溫度數(shù)據(jù)的采集頻率為1hz；每采集一次完整的歷史綜合熱定位誤差數(shù)據(jù)耗時(shí)為1min，間隔時(shí)間為10min，單次實(shí)驗(yàn)為180min。