论文部分内容阅读
为提高支持向量回归（SVR）模型的预测能力，将核心向量回归（Core vector regression，CVR）方法引入到数控机床热误差建模中，并采用偏最小二乘（Partial least squares，PLS）算法从输入样本提取主成分，构建特征集，然后使用改进的粒子群优化（Improved particle swam optimization，IPSO）算法对CVR的模型参数进行寻优，从而提出一种基于PLS—IPSO—CVR的数控机床热误差建模方法。仿真实验表明，所提出的建模方法在预测精度和速度方面