1.基于SVR-PSO的超声加工特种刀具优化设计方法，其特征在于：包括以下步骤：步骤一：利用ABAQUS有限元二次开发技术建立刀具参数优化插件，利用此插件获取一定数量的刀具结构参数变量和对应的结构响应变量的样本数据；所述的样本数据包括最大应力、刀尖振幅、刀尖横向位移、固有频率；

步骤二：以上述样本数据为基础，运用支持向量回归方法得到刀具结构参数与结构响应之间映射关系的近似模型；

步骤三：改进粒子群算法，提升粒子群算法在优化过程中的收敛速度；

所述步骤三中改进后粒子群的实现公式：

式中， 代表第i个粒子第k次迭代时的位置参数，v代表此时的速度参数， 代表第i个粒子第k次迭代时的速度参数，ω代表的是惯性权重，惯性权重数值上采用惯性权重线性递减策略，pk·g代表历史全局最优解， 代表粒子i迭代至第k次的历史最优解，r1及r2是范围[0,1]的随机数以使得每次迭代输入值该变量具有一定的随机性，c1及c2分别代表经验学习因子与社会学习因子；

步骤四：建立刀具结构设计的优化目标函数；

所述步骤四中目标函数为：

Y(l,d,m)＝1-[0.3σ(l,d,m)+0.3(1-U1(l,d,m))+0.3U2(l,d,m) +0.1(1-f(l,d,m))]

式中l为刀具长度，m为材料代号，d为刀具厚度，σ(l,d,m)为最大应力，U1(l,d,m)为刀尖振幅，U2(l,d,m)为刀尖横向位移，f(l,d,m)为固有频率；

步骤五：应用改进的粒子群算法对刀具结构进行优化，获取刀具设计的最优参数。

2.根据权利要求1所述的基于SVR-PSO的超声加工特种刀具优化设计方法，其特征在于：所述步骤二是运用高斯径向基函数作为支持向量机回归模型的核函数，利用Python的scikit-learn模块的svr函数对获取的样本数据进行训练得到近似模型。