买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东莞理工学院

摘要：本发明涉及一种机床主轴热误差建模方法，采用CNN‑BiLSTM‑Attention模型解决机床热误差这一内部机理复杂的问题上，并引入霜冰优化算法RIME用于系统地调整和优化CNN‑BiLSTM‑Attention模型的参数，以提高模型在复杂和动态环境下的预测精度和效率；通过模拟软雾凇粒子的运动，利用雾凇部分的强随机性和覆盖性，提出了一种用于算法搜索的软雾凇搜索策略，使得算法能够在早期迭代中快速覆盖整个搜索空间，并且不易陷入局部最优，此外，还提出了一种硬雾穿刺机制，通过模拟硬雾智能体之间的交叉行为来利用该算法；最后，改进了元启发式算法的选择机制，提出了正贪婪选择机制；本文结合上述三种机制提出了性能更好的RIME算法。

主权项：1.一种机床主轴热误差建模方法，其特征在于，包括如下步骤：步骤一、初始化种群和参数：将CNN-BiLSTM-Attention模型的学习率、CNN层卷积核大小、BiLSTM层神经元的个数作为RIME算法待优化的参数，初始化雾凇代理个数为20，得到初始化的雾凇种群： 步骤二、构建CNN-BiLSTM-Attention模型并确定适应度函数：遍历雾凇代理，初始化最优适应度、最优预测值、最优网络和最优网络参数；步骤三、采用软霜冰搜索策略，实现大范围探索和小范围开发之间不断切换 其中，是更新后粒子的新位置，参数r1是-1，1范围内的随机数，r1控制粒子运动方向，与cosθ一起随着迭代次数的变化而变化，β为环境因子，步骤四、采用硬霜冰穿刺机制，实现个体间有效信息交换 其中是更新后粒子的新位置，Rbest，j是雾凇种群中最佳雾凇个体的第j个粒子，normRij当前个体适应度值的归一化值；步骤五、采用正向贪婪机制，过滤劣质解，保留优解：将更新后的智能体适应度值与更新前智能体的适应度值进行比较，如果更新后的适应度值优于更新前的值，则发生替换，同时求两者的解代理被替换；步骤六、导入CNN-BiLSTM-Attention模型中，更新最优适应度、最优预测值、最优网络和最优网络参数；步骤七、判断是否满足终止条件，模型中设置最大迭代次数为20；步骤八、导出CNN-BiLSTM-Attention模型最优适应度、最优预测值、最优网络和最优网络参数并进行训练结果分析。

全文数据：

权利要求：

百度查询： 东莞理工学院 一种机床主轴热误差建模方法