机床与液压

作者：刘思怡，郭忠峰，刘琪，朱康博，陈骥驰

单位：沈阳工业大学机械工程学院；沈阳工业大学机械工程学院；沈阳工业大学机械工程学院；沈阳工业大学机械工程学院；沈阳工业大学机械工程学院

关键词：数控机床;主轴热误差预测;加权平均算法;双向长短期记忆神经网络

基金：国家自然科学基金项目(62471319)

为实现数控机床主轴热误差的精准预测，提出一种基于加权平均算法(WAA)优化双向长短期记忆神经网络(BiLSTM)的数控机床主轴热误差预测建模方法。进行机床主轴热误差实验，采集机床主轴的温度数据和热误差数据，结合主成分分析(PCA)与随机森林(RF)筛选温度关键点；以筛选的温升数据为输入、轴向热误差数据为输出，使用加权平均算法对双向长短期记忆神经网络的超参数空间进行优化，建立WAA-BiLSTM热误差预测模型，并与其他模型进行主轴热误差预测性能对比分析。结果表明：与GWOA-BiLSTM、PSO-CNN以及BiLSTM预测模型相比，WAA-BiLSTM预测模型的RMSE分别降低了30.5%、40.6%、43.8%，MAE分别降低了31.13%、37.06%、43.3%；WAA-BiLSTM模型的R2为0.980 8，明显优于其他3种模型，表明WAA-BiLSTM模型能够准确预测数控机床主轴热误差，为机床主轴热误差预测提供了一种新思路。

来源：2025年第23期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第23期