摘要：加工過程中產(chǎn)生的表面質(zhì)量(如粗糙度)的數(shù)據(jù)序列包含多種特征,為能捕捉更多的數(shù)據(jù)特征,提高表面粗糙度的預(yù)測(cè)精度,提出采用組合協(xié)方差的高斯過程回歸(CGPR)模型預(yù)測(cè)表面粗糙度,來捕捉數(shù)據(jù)特征中的線性特征和非線性特征;為獲得CGPR模型的最佳超參數(shù)組合,采用人工蜂群(ABC)優(yōu)化算法對(duì)超參數(shù)尋優(yōu),形成人工蜂群—組合協(xié)方差的高斯過程回歸(ABC-CGPR)模型。通過45鋼的車削試驗(yàn),基于不同切削用量和刀具結(jié)構(gòu),建立了各類不同組合協(xié)方差的ABC-CGPR預(yù)測(cè)模型和單一協(xié)方差的ABC-GPR預(yù)測(cè)模型,并對(duì)比其預(yù)測(cè)性能,結(jié)果展示CGPR預(yù)測(cè)模型相比單一的GPR預(yù)測(cè)模型具有更高的預(yù)測(cè)精度,其中線性協(xié)方差函數(shù)與Matern協(xié)方差函數(shù)組合的預(yù)測(cè)精度最高,為實(shí)際加工中選取滿意的預(yù)測(cè)模型提供了有效的指導(dǎo)。