(河海大学 机电工程学院，江苏 常州 213022)

0 引言

锰元素质量分数介于11%和18%之间的合金钢被称为高锰钢，其耐磨性很好。由于其所具备的耐冲击、高耐磨及抗疲劳特性，U71Mn高锰钢被大规模的应用到铁路事业上[1-2]。但当铣削参数配置不合理时易导致加工硬化与应力集中，零件加工后表面粗糙度发散，难以满足铁轨的装配精度[3-4]以及使用寿命[5]。基于此原因U71Mn材料特性一直为国内学者的重点研究方向: 暨南大学范宇[6]研究了不同时效温度对水韧后高锰钢(Mn13、Mn18)组织结构、力学性能、磨损特性及磨损硬化的影响；北京理工大学于启勋[7]从切削过程特性、切削力、刀具磨损耐用度诸方面阐明了高锰钢的切削加工性，并建立了多元线性回归预测模型。

此外表面粗糙度作为加工中须被约束的重要参数，传统试切法、经验切法[8]效率较低，加工者资历要求较高，易导致资源浪费。在工业4.0[9]的趋势下更是成为国内外诸多学者的重点研究方向。

表面粗糙度预测模型大致可以分类如下类别:统计学、机器学习及深度学习回归模型。Li et al[10]在2018从切削液压力出发，基于 Weierstrass-Mandelbrot函数建立了精确的粗糙度预测模型。Kong et al[11]在2020年提出一种结合贝叶斯矩阵分解的线性回归模型;马尧[12]在2020年基于线性回归与主成分分析算法在预测粗糙度的同时可对粗糙度影响因子进行有效分析。上述回归模型大多依赖于最小二乘与凸优化[13]原则进行求解，算法复杂度低可读性强，但U71Mn等难加工金属所对应的强多元非线性关系，线性回归预测精度通常难以满足要求。……