基于蝙蝠算法优化的小波神经网络车床主轴热误差建模

来源：机床与液压杂志2021年第6期北京时间：

作者：孙昂，刘茂龙，谢新连，于贺春

单位：大连海事大学船舶与海洋工程学院；大连海事大学船舶与海洋工程学院；大连海事大学物流研究院；中原工学院

摘要：为提高数控车床主轴热误差的预测精度，以某型号数控车床主轴为研究对象，提出基于小波神经网络（WNN）的主轴热误差建模方法。利用K-means++聚类结合相关性分析理论，将温度测点从10个减小到2个。针对小波神经网络对初始值敏感的问题，采用蝙蝠算法(BA)将预测输出值与实验测量值之差的绝对值作为个体适应度函数，将蝙蝠个体的位置向量映射为小波神经网络的初始连接权值、尺度因子及平移因子，实现对小波神经网络初始值的优化。利用优化后的小波神经网络建立车床主轴热误差预测模型，与未优化的小波神经网络和BP神经网络预测模型对比。结果表明：BA-WNN对主轴轴向热误差的预测精度较高、残差较小、预测能力更强。

关键词：数控车床;热误差建模;蝙蝠算法;小波神经网络

基金资助：中央高校基本科研业务费专项资金资助项目（3132019303）