[发明专利]经遗传算法优化的BP神经网络重型机床热误差建模方法

摘要

本发明公开了一种经遗传算法优化的BP神经网络重型机床热误差建模方法，通过建立BP神经网络的结构，利用训练样本对BP神经网络各层的初始权值和阈值进行全局寻优，在满足了设定的误差目标之后，利用遗传算法对BP神经网络结构的初始权值和阈值进行全局寻优，在将遗传算法寻找的最优权值阈值代入BP神经网络中进行样本训练，基于误差梯度下降原理在极值点附近进行快速搜索，直到训练结束得到热误差预测模型；最后对获得的热误差预测模型进行鲁棒性测试，本发明利用遗传算法对BP神经网络结构的初始权值和阈值进行全局寻优，克服BP神经网络的自身特点，提高其训练时收敛的快速性、精确性和鲁棒性。

主权项

一种经遗传算法优化的BP神经网络重型机床热误差建模方法，其特征在于：包括如下步骤：1)建立三层BP神经网络结构框架；2)将一组机床床身温度场和主轴X、Y、Z方向热误差数据作为第一组样本数据进行输入；3)用遗传算法对初始值进行实数编码，初始化种群；4)进行适应度值计算，并设定遗传算法的结构参数；5)利用遗传算法对BP神经网络各层的初始权值和阈值进行全局寻优；6)采用所述第一组样本数据对已确定初始权值和阈值的BP神经网络进行误差计算，若输出误差E大于误差设定值e，则更新BP神经网络的权值和阈值后再进行误差计算，若输出误差E小于或者等于误差设定值e，得到BP神经网络重型机床热误差仿真模型。