一种基于天牛须算法优化Elman神经网络电主轴热误差建模方法

摘要

本发明属于高速电主轴热误差分析领域，本发明涉及一种基于天牛须算法优化Elman神经网络的电主轴热误差建模方法，包括以下步骤：采集数据，划分训练集和预测集；利用利用K‑means聚类结合灰色关联度对温度测点进行优化，确定模型的输入和输出；初始化Elman神经网络模型参数和天牛须算法参数；利用天牛须算法优化Elman神经网络的各网络层的连接权值和阈值；利用优化得到的BAS‑Elman神经网络预测模型对高速电主轴热误差进行预测和验证。本发明利用天牛须算法优化Elman神经网络的权值和阈值，提高了Elman神经网络的泛化能力和预测精度，且提出的预测模型具有结构简单、预测精度高、运行时间短等优点。