本发明涉及数控加工技术领域，具体涉及一种改进的Douglas‑Peucker数控加工轨迹压缩方法。包括以下步骤：1)基于数控加工路径，构建数控加工路径的点序列信息模型，并建立综合评分机制；2)构建深度神经网络模型，对模型中的超参数进行训练；3)使用训练好的超参数优化Douglas‑Peucker算法，进而对数控加工路径进行压缩。该方法引进了曲率和距离容差度的超参数，充分考虑了加工轨迹中数据点序列的几何特性，并利用深度神经网络模型对算法的超参数进行动态优化，从而达到更优的压缩效果。此外，本方法还采用了KD树结构以优化误差计算，确保压缩后的数据能在预定的公差范围内准确反映原数据特征。经过实验验证，该方法不仅大幅降低了数据量，同时还保证了压缩数据能精确呈现原始数据的特性。