基于混沌改进多策略大猩猩算法优化深度神经网络的直驱进给轴热误差预测.docxVIP

基于混沌改进多策略大猩猩算法优化深度神经网络的直驱进给轴热误差预测

目录

1.内容概括................................................3

1.1研究背景.............................................3

1.2研究意义.............................................4

1.3文献综述.............................................5

1.3.1深度神经网络在热误差预测中的应用.................6

1.3.2多策略大猩猩算法在优化中的应用...................7

1.3.3混沌理论在优化算法中的应用.......................9

2.混沌改进多策略大猩猩算法................................9

2.1多策略大猩猩算法....................................10

2.1.1算法原理........................................11

2.1.2算法步骤........................................12

2.2混沌理论及其在MAS-GA中的应用........................13

2.2.1混沌理论概述....................................14

2.2.2混沌映射........................................16

2.2.3混沌改进策略....................................16

3.深度神经网络模型构建...................................18

3.1DNN结构设计.........................................19

3.1.1隐藏层结构......................................21

3.1.2激活函数选择....................................22

3.2输入输出数据预处理..................................23

3.2.1数据归一化......................................25

3.2.2特征提取........................................25

4.基于CMAS-GA的DNN模型优化...............................26

4.1目标函数设计........................................28

4.1.1热误差预测误差..................................28

4.1.2模型复杂度......................................29

4.2CMAS-GA优化过程.....................................31

4.2.1种群初始化......................................33

4.2.2适应度评价......................................33

4.2.3混沌映射操作....................................34

4.2.4交叉和变异操作..................................35

4.2.5种群更新........................................36

5.直驱进给轴热误差预测模型训练与验证.....................37

5.1数据集划分..........................................39

5.1.1训练集..........................................40

5.1.2验证集..........................................41

5.1.3