机床热误差深度学习模型优化、自适应度预测方法及设备

本发明提供了一种机机床热误差深度学习模型优化、自适应度预测方法及设备，涉及机床热误差预测的技术领域，包括：获取当前群体粒子参数，将机床的热误差数据训练集、输入至机床热误差深度学习模型之中进行训练；在每轮训练后，对所述损失函数预测模型进行辨识；若符合辨识终止条件，则终止辨识，并选定最快辨识轮次；将最快辨识轮次T内的机床热误差深度学习模型损失函数真实值输入至辨识后的损失函数预测模型之中，以获取当前群体粒子参数对应的适应度。本申请利用无迹卡尔曼滤波对损失函数模型进行辨识，实现了对适应度函数结果的快速预测，减少了冗余计算，缩短了迭代时间。