基于经验模态分解的直驱进给轴热误差组合预测

为对直驱进给轴的热误差进行精确预测,提出一种基于经验模态分解的直驱进给轴热误差组合预测模型。使用经验模态分解,将温升序列重构为波动特征不同的频率项和趋势项。根据重构项的频率特性,分别输入长短期记忆神经网络、支持向量机和自回归滑动平均模型,进行组合训练,以预测直驱进给轴的热误差。试验结果表明,组合预测模型的预测精度达到90.25%以上,最大预测误差控制在1.4μm以内,预测效果优于普通单项预测模型。