[发明专利]铣削表面完整性预测方法

说明书

本发明公开了一种铣削表面完整性预测方法，包括：S1.采集铣削加工试验数据集；S2.对铣削加工试验数据集进行预处理，得到处理后的试验数据集；S3.将处理后的试验数据集输入铣削表面完整性预测模型进行模型训练，得到训练好的预测模型；S4.将待测铣削加工数据输入到训练好的预测模型，输出铣削加工表面完整性的预测结果。本发明能够显著提高铣削表面完整性预测精度，有助于提高铣削过程的效率和质量。

技术领域

本发明涉及铣削加工领域，具体涉及一种铣削表面完整性预测方法。

背景技术

表面完整性是一个用于描述、评价和控制加工工程中表面工作性能影响及其加工表面层内可能产生的各种变化的技术指标。随着制造业的发展和对零件表面完整性的要求不断提高，预测和控制铣削表面完整性的需求也越来越迫切。然而，由于铣削过程的复杂性和多变性，仅凭经验和试验方法难以准确预测铣削表面完整性，需要借助计算机模拟技术进行预测和分析。

目前，基于计算机模拟技术对铣削加工表面进行完整性预测的方法或产品，构建的预测模型往往是直接套用现有的模型框架，构建过程过于简单，而无法对铣削加工表面特征进行有效识别，导致预测效果不够理想，无法实现对铣削加工表面完整性进行有效预测；因此，需要一种铣削表面完整性预测方法，能够解决以上问题。

发明内容

有鉴于此，本发明的目的是克服现有技术中的缺陷，提供铣削表面完整性预测方法，能够显著提高铣削表面完整性预测精度，有助于提高铣削过程的效率和质量。

本发明的铣削表面完整性预测方法，包括如下步骤：

S1.采集铣削加工试验数据集；

S2.对铣削加工试验数据集进行预处理，得到处理后的试验数据集；

S3.将处理后的试验数据集输入铣削表面完整性预测模型进行模型训练，得到训练好的预测模型；

S4.将待测铣削加工数据输入到训练好的预测模型，输出铣削加工表面完整性的预测结果。

进一步，所述铣削加工试验数据集包括特征变量数据以及加工后工件表面数据；

所述特征变量数据包括加工参数、刀具姿态参数以及刀具几何参数；

所述加工后工件表面数据包括表面粗糙度以及表面残余应力；所述表面残余应力包括进给方向表面残余应力以及横向表面残余应力。

进一步，所述加工参数包括主轴转速、进给速度以及切削深度；

所述刀具姿态参数包括前倾角以及倾斜角；

所述刀具几何参数包括刀具直径、刃数以及螺旋角。

进一步，所述预处理包括：

对铣削加工试验数据集进行无量纲化，得到无量纲化后的试验数据集；

将无量纲化后的试验数据集划分为训练集和测试集。

进一步，将处理后的试验数据集输入铣削表面完整性预测模型进行模型训练，得到训练好的预测模型，具体包括：

利用处理后的试验数据集，选取k个回归模型，并对k个被选取的回归模型分别进行优化，得到k个优化后的回归模型；

对k个优化后的回归模型进行不同组合，得到不同组合的基学习器，使用相同的元学习器对不同组合的基学习器进行Stacking模型融合，从若干模型融合后的基学习器组合中选出最优的基学习器组合；

将最优的基学习器组合作为第一层学习器，在第一层学习器的基础上选择不同的回归模型作为元学习器进行模型融合对比，选择模型融合中预测精度提升最大的回归模型作为模型融合时的元学习器。

进一步，选取k个回归模型，具体包括：