科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决反向传播（BP）神经网络建立的主轴热误差预测模型精度低、收敛速度慢和易陷入局部最优解的缺点，利用K-means++算法和相关性分析对温度测点进行优化并提取热敏感点，并利用遗传算法（GA）对蚁群进行交叉变异处理，构建GA-ACO网络来确定最优的隐含层节点数、权值、阈值，实现对BP神经网络拓扑结构的优化。分别建立基于BP和GA-ACO-BP网络的主轴热误差预测模型，以双转台五轴加工中心为研究对象，采用五点法对主轴热误差进行测量。热误差实验结果表明：K-means++算法与Person、Sperman和Kendall相关分析相结合可有效降低温度变量间的多重共线性；GA-ACO-BP模型可实现对主轴热误差的预测具有更高的预测精度。
- 单位
