基于多源异构数据的表面残余应力智能预测方法

本发明公开了基于多源异构数据的表面残余应力智能预测方法，包括如下步骤：步骤一：通过智能制造产线实时采集动态异构数据，构建多物理场耦合的残余应力预测基准数据集；步骤二：基于改进型深度卷积神经网络对所述动态异构数据进行特征识别，提取残余应力敏感特征；步骤三：利用主成分分析构建特征降维通道，通过正交变换将提取的残余应力敏感特征投影至低维空间进行降维处理并筛选出关键特征向量，在保留完整信息量的同时消除特征间相关性；步骤四：以主成分分析获取的k维正交特征向量作为输入，构建表面残余应力的高斯过程回归预测模型；基于高斯过程回归预测模型建立双向残余应力预测映射关系，输出表面残余应力预测结果。