一种基于改进贝叶斯神经网络的铝合金铣削参数优化方法

本发明涉及数控加工工艺优化技术领域，具体涉及一种基于改进贝叶斯神经网络的铝合金铣削参数优化方法，包括以下步骤：S1：基于Johnson‑Cook本构模型构建铝合金薄壁件铣削有限元模型；S2：开展单因素铣削实验，对有限元模型的可靠性进行验证；S3：构建融合多头注意力机制的贝叶斯神经网络模型，建立工艺参数与表面质量指标的映射关系；S4：基于MHA‑BNN预测模型建立多目标优化模型，采用NSGA‑II算法进行求解；S5：对优化结果进行实验验证和分析。本发明通过将多头注意力机制引入贝叶斯神经网络，构建铣削后表面粗糙度、残余应力概率预测模型；并建立融合物理约束与数据驱动的多目标优化框架，实现表面粗糙度、残余应力与加工效率的协同优化，同时解决了传统深度学习方法在小样本条件下预测精度不足的问题。