一种基于机器学习的高锁螺母力学性能预测及加工参数优化的方法

本发明涉及一种高锁螺母力学性能预测及加工参数优化的方法，通过收集不同收口外圆尺寸、收口量和收口高度等五个加工参数下的锁紧力矩、松脱力矩和预紧力数据，计算每组实验的信噪比值并设定阈值，剔除低于阈值的数据。然后进行预处理，建立加工参数作为决策变量与力学性能指标映射关系的卷积神经网络，将其作为代理模型耦合到多目标优化算法，通过调整决策变量改变力学性能指标，得到最优加工参数解集。该方法引入信噪比作为检验数据是否稳健的指标，并结合智能算法实现力学性能快速预测和加工参数的优化。