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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD