一种适用于γ-TiAl合金的车削参数优化方法

本发明提供一种适用于γ‑TiAl合金的车削参数优化方法，所述优化方法包括，确定切削参数范围，进行车削实验，基于实验数据使用SSABP神经网络建立刀具磨损值和表面粗糙度的预测模型，采用多目标灰狼优化算法进行多目标优化，采用熵权‑TOPSIS法选出最优解。本发明提供的一种适用于γ‑TiAl合金的车削参数优化方法，综合考虑了车削参数对刀具磨损值和表面粗糙度的影响，基于车削实验获得的数据使用SSABP神经网络建立二者的预测模型，使用多目标灰狼优化算法进行车削参数寻优，获得最优的车削参数解集，使用熵权‑TOPSIS决策方法在Pareto最优解集中选出最优解，该方法有助于提高γ‑TiAl合金车削参数选择的科学性，提高了车削加工效率，降低了γ‑TiAl合金的车削生产成本，降低了γ‑TiAl合金车削刀具磨损，提高了γ‑TiAl合金工件表面质量，具有一定的参考价值和社会经济效益。