[发明专利]一种切削加工中工件表面残余应力的预测方法

权利要求书

1.一种切削加工工件表面残余应力的预测方法，采用基于正交切削试验与PSO-LS-SVM算法相结合的方法，对切削加工工件表面残余应力进行预测，其特征在于，包括以下步骤，

步骤一、正交切削试验及工件表面残余应力的测量，包括选取切削三要素和不同磨损状态的刀具参数作为正交试验的因子，按正交试验表进行试验，测量各条件下所对应的工件表面残余应力；

步骤二、利用PSO算法寻取LS-SVM的最优惩罚因子γ和核参数σ，具体过程为，

1)初始化PSO参数，包括粒子数目N、学习因子c₁和c₂、最大迭代次数M、随机初始化粒子速度v_i,d和位置x_i,d；

2)将惩罚因子γ和核参数σ作为每个粒子的二维坐标，计算粒子的适应度式中y_i为已知样本输出；y′_i为LS-SVM的预测输出；

3)对每个粒子，将适应度f(x_i)与自身最优值进行比较，更新其自身最优适应度，将每个粒子的最优适应度值与全局最优值进行比较，更新种群的全局最优适应度；

4)按照粒子群速度和位置更新公式更新粒子速度v_i,j(t)和位置x_i,j(t)，

v_i,j(t+1)＝wv_i,j(t)+c₁r₁(p_i,j-x_i,j(t))+c₂r₂(p_g,j-x_i,j(t)) 公式一

x_i,j(t+1)＝x_i,j(t)+v_i,j(t+1) 公式二

式中，i表示第i个粒子，i＝1,2,…,d,d是该群体中粒子的总数，j表示粒子的第j维数，w为惯性权重，c₁和c₂为正的学习因子，r₁和r₂为0到1之间均匀分布的随机数，P_i＝(p_i,1p_i,2...p_i,d)为第i个粒子到目前为止搜索到的最优位置，P_g＝(p_g,1p_g,2...p_g,d)为整个群体迄今为止搜索到的最优位置，v_i,j(t)和x_i,j(t)分别是粒子i于第t次迭代中第j维度的速度和位置；

5)检查结束条件，一般设定结束条件为达到最大迭代次数或适应度小于给定精度，若不满足，转到过程2)，若满足，寻优结束，返回当前最优惩罚因子γ和核参数σ；

步骤三、建立残余应力预测模型和残余应力预测，包括以步骤一中选取的正交试验的因子作为PSO-LS-SVM算法的输入，以测量到的工件表面残余应力作为PSO-LS-SVM算法的输出，利用步骤二中寻取的最优参数，建立起基于训练样本的表面残余应力预测模型，对工件表面残余应力进行预测。

2.根据权利要求1所述的预测方法，其特征在于，所述正交切削试验及工件表面残余应力的测量，包括切削三要素选取三个主轴转速、三个进给速度和三个切削深度，刀具参数选取前期、中期和后期磨损刀具，按正交试验表进行试验，然后测量不同条件下所对应的工件表面残余应力。

3.根据权利要求2所述的预测方法，其特征在于，所述主轴转速选取475rad/min、600rad/min和750rad/min，进给速度选取37.5mm/min，47.5mm/min和60mm/min，切削深度选取1mm、2mm和3mm；前期磨损刀具选取VB≤0.1、中期磨损刀具选取0.1<VB≤0.3，后期磨损刀具选取VB>0.3。

4.根据权利要求1所述的预测方法，其特征在于，所述初始化PSO参数为，粒子数目N＝30，学习因子c₁和c₂为2，最大迭代次数为M＝300，惩罚因子γ的范围为0.1-1000，核参数σ的范围为0.1-1000。

5.根据权利要求4所述的预测方法，其特征在于，经步骤二优化后的核参数σ＝0.3376，惩罚因子γ＝470.05。