申请/专利权人:哈尔滨理工大学
申请日:2023-07-14
公开(公告)日:2023-11-17
公开(公告)号:CN117077509A
主分类号:G06F30/27
分类号:G06F30/27;G06N3/006;G06N3/0499;G06N3/08;G06F119/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.05#实质审查的生效;2023.11.17#公开
摘要:一种北方苍鹰算法优化KELM神经网络的电主轴热误差建模方法,属于高速电主轴热误差分析领域。所述方法为:采集高速电主轴不同转速下的温度和热误差数据,并将采集的数据划分为模型的训练集和测试集;利用谱系聚类分析和灰色关联度分析对温度测点进行优化,构造模型的输入和输出;初始化KELM神经网络模型参数和NGO算法参数;利用NGO算法通过迭代更新优化KELM神经网络的超参数选择,建立NGO‑KELM神经网络电主轴热误差预测模型。本发明引入了北方苍鹰优化算法,可以将核参数映射到待优化参数空间,然后使用北方苍鹰优化算法来搜索最优的核参数组合。通过这种方式,可以提高核极限学习机算法的性能,并获得更好的分类和回归结果。
主权项:1.一种基于北方苍鹰算法优化KELM神经网络电主轴热误差建模方法,其特征在于:所述方法为:步骤一:采集高速电主轴不同转速下的温度和热误差数据,并将采集的数据划分为模型的训练集和测试集;步骤二:利用谱系聚类分析和灰色关联度分析对温度测点进行优化,构造模型的输入和输出;步骤三:初始化KELM神经网络模型参数和NGO算法参数;步骤四:利用NGO算法通过迭代更新优化KELM神经网络的超参数选择,建立NGO-KELM神经网络电主轴热误差预测模型;步骤五:利用优化得到的NGO-KELM神经网络预测模型对高速电主轴热误差进行预测和验证。
全文数据:
权利要求:
百度查询: 哈尔滨理工大学 一种北方苍鹰算法优化KELM神经网络电主轴热误差建模方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。