一种神经网络计算五轴数控加工刀轨逼近误差的方法

本发明公开了一种神经网络计算五轴数控加工刀轨逼近误差的方法。首先获取逼近误差计算所需的核心参数，并通过均值方差归一化等方法对这些参数进行归一化与降维处理，以消除不同参数量纲差异对模型性能的影响；然后利用SSA(Sparrow SearchAlgorithm，麻雀搜索算法)优化LSTM(Long Short‑Term Memory，长短期记忆网络)模型的初始权重与偏置，并通过Attention(注意力机制)动态分配不同时间步数据的权重，使模型能够更加关注对逼近误差影响较大的关键刀触点，提高预测精度；加入Dropout(随机失活)稀疏对网络结构进行优化，实现在每次迭代过程中隐藏一部分神经元，从而减少非核心刀触点对逼近误差值计算产生干扰，促使模型泛化能力提升；最后，结合实际曲面模型数据验证了所提方法的有效性，实现了对五轴加工逼近误差的高效精确预测。