基于蝙蝠算法优化的小波神经网络车床主轴热误差建模

摘要：

为提高数控车床主轴热误差的预测精度,以某型号数控车床主轴为研究对象,提出基于小波神经网络(WNN)的主轴热误差建模方法.利用K-means++聚类结合相关性分析理论,将温度测点从10个减小到2个.针对小波神经网络对初始值敏感的问题,采用蝙蝠算法(BA)将预测输出值与实验测量值之差的绝对值作为个体适应度函数,将蝙蝠个体的位置向量映射为小波神经网络的初始连接权值、尺度因子及平移因子,实现对小波神经网络初始值的优化.利用优化后的小波神经网络建立车床主轴热误差预测模型,与未优化的小波神经网络和BP神经网络预测模型对比.结果表明:BA-WNN对主轴轴向热误差的预测精度较高、残差较小、预测能力更强.

关键词：数控车床、热误差建模、蝙蝠算法、小波神经网络

所属期刊栏目：49

分类号：TH161

资助基金：中央高校基本科研业务费专项资金资助项目3132019303

在线出版日期：2021-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：118-123