隨著產(chǎn)品更新?lián)Q代速度的日益加快，車間往往面臨著多品種小批量加工任務(wù)，不同品種、規(guī)格的零件加工工況各異，對(duì)機(jī)床電主軸熱誤差預(yù)測(cè)模型的魯棒性提出了更高要求。針對(duì)該問題，提出了一種利用河馬優(yōu)化算法（Hippopotamus Optimization Algorithm，HO）優(yōu)化長短時(shí)記憶網(wǎng)絡(luò)（Long Short Term Memory，LSTM）的電主軸熱誤差預(yù)測(cè)方法。首先，利用正弦余弦優(yōu)化算法（Sine Cosine Algorithm，SCA）對(duì)Kmeans聚類算法的聚類數(shù)目K和距離度量方式進(jìn)行優(yōu)化，并采用皮爾森（Person）和斯皮爾曼（Spearman）相關(guān)性分析方法篩選溫度敏感點(diǎn)。接著，將熱誤差敏感點(diǎn)的溫度作為輸入建立了電主軸熱誤差LSTM預(yù)測(cè)模型，采用HO對(duì)LSTM的隱藏層節(jié)點(diǎn)數(shù)、L2正則化常數(shù)、初始學(xué)習(xí)率進(jìn)行優(yōu)化。**，以EM6050雕銑機(jī)為對(duì)象進(jìn)行了實(shí)驗(yàn)驗(yàn)證。結(jié)果顯示：提出的HO-LSTM模型相比海馬優(yōu)化算法優(yōu)化的LSTM與灰狼算法優(yōu)化的LSTM模型，熱誤差預(yù)測(cè)的MAE分別降低了32%、42%，RMSE分別降低了11%、76%，而且優(yōu)化過程的收斂速度更快；