跟着产物更新换代速率的日趋加速，车间常常面对着多种类小批量加工使命，差别种类、规格的整机加工工况各别，对机床电主轴热偏差展望模子的鲁棒性提出了更高请求。针对该题目，提出了一种操纵河马优化算法（Hippopotamus Optimization Algorithm，HO）优化是非时影象收集（Long Short Term Memory，LSTM）的电主轴热偏差展望体例。起首，操纵正弦余弦优化算法（Sine Cosine Algorithm，SCA）对Kmeans聚类算法的聚类数量K和间隔怀抱体例停止优化，并接纳皮尔森（Person）和斯皮尔曼（Spearman）相干性阐发体例挑选温度敏感点。接着，将热偏差敏感点的温度作为输出成立了电主轴热偏差LSTM展望模子，接纳HO对LSTM的埋没层节点数、L2正则化常数、初始进修率停止优化。**，以EM6050雕铣机为工具停止了尝试考证。成果显现：提出的HO-LSTM模子比拟海马优化算法优化的LSTM与灰狼算法优化的LSTM模子，热偏差展望的MAE别离下降了32%、42%，RMSE别离下降了11%、76%，并且优化进程的收敛速率更快；
