1.一种用于不锈钢加工的多目标优化方法，其特征在于，包括：获取所选不锈钢材料的进给速率、切削速度和切削深度的极值；

根据所述的进给速率、切削速度和切削深度的极值，创建L9正交表；

根据所述L9正交表进行切削实验；

采集所述切削实验中的切削力和表面粗糙度，同时计算材料去除率，得到实验数据集；

对所述实验数据集进行归一化处理，然后将归一化处理的结果输入到支持向量机中，建立切削力、表面粗糙度和材料去除率的关联模型；

利用NSPSO智能优化算法对所述关联模型进行寻优，得到多目标优化的Pareto前沿及对应的切削参数组合。

2.如权利要求1所述的用于不锈钢加工的多目标优化方法，其特征在于，所述获取所选不锈钢材料的进给速率、切削速度和切削深度的极值，具体包括：根据加工系统的额定参数和刀具手册，确定刀具加工不锈钢材料时的进给速率、切削速度和切削深度的最大值和最小值。

3.如权利要求1所述的用于不锈钢加工的多目标优化方法，其特征在于，所述根据所述的进给速率、切削速度和切削深度的极值，创建L9正交表，具体包括：将进给速率、切削速度和切削深度作为三个因素，分别编号为①～③；

从进给速率、切削速度和切削深度的极值区间中，分别选取进给速率、切削速度和切削深度的最小值、中间值和最大值，将所述的最小值、中间值和最大值作为三个水平，分别编号为1～3；

根据所述的三个因素和三个水平创建L9正交表；所述L9正交表为一个3列、9行的表格，列数表示因素，行数表示实验次数，所述实验次数编号为一～九；

根据水平数量为3，对9次实验次数进行分组，使每3个实验为1组，并按照正交表的填充方法，将每个因素的水平编号填入至L9正交表中。

4.如权利要求1所述的用于不锈钢加工的多目标优化方法，其特征在于，所述根据所述L9正交表进行切削实验，具体包括：根据所述L9正交表中的实验信息进行九组实验，每组实验重复三次；

计算三次实验结果的平均值，将平均值作为最终的实验结果。

5.如权利要求1所述的用于不锈钢加工的多目标优化方法，其特征在于，所述采集所述切削实验中的切削力和表面粗糙度，同时计算材料去除率，得到实验数据集，具体包括：采集所述切削实验中，刀具加工不锈钢材料的切削力，以及不锈钢材料的表面粗糙度，得到切削力数据和表面粗糙度数据；

利用公式MRR＝1000Vdf计算加工完毕后不锈钢材料的材料去除率，得到材料去除率数3

据；其中，MRR表示材料去除率，单位为mm/min；V表示切削速度，单位为m/min；d表示切削深度，单位为mm；f表示进给速率，单位为mm/r；

根据所述切削力数据、表面粗糙度数据和材料去除率数据，得到实验数据集；

所述切削力通过Kistler测力仪采集，所述Kistler测力仪得到三个方向的切削力信号，取平稳段的均值作为每个方向的切削力结果，并计算三个方向的合力作为最终的切削力数据；

所述表面粗糙度通过Mahr粗糙度仪测量，所述Mahr粗糙度仪将平稳段的均值作为最终的表面粗糙度数据。

6.如权利要求1所述的用于不锈钢加工的多目标优化方法，其特征在于，所述对所述实验数据集进行归一化处理，然后将归一化处理的结果输入到支持向量机中，分别建立切削力、表面粗糙度和材料去除率的关联模型，具体包括：对所述实验数据集中所有数据分别进行归一化预处理，将所有数据均归一化到[0，1]区间内；

选择径向基函数作为支持向量机模型的核函数，通过交叉验证法和网格搜索法确定支持向量机分类模型的最优参数C和σ，其中，C表示惩罚系数，σ表示宽度参数；

通过支持向量机的网络开源代码LIBSVM3.22，利用所述最优参数C和σ分别建立切削力支持向量机模型和表面粗糙度支持向量机模型；

通过所述材料去除率的计算公式得到材料去除率公式模型；

所述关联模型包括所述切削力支持向量机模型、所述表面粗糙度支持向量机模型和所述材料去除率公式模型。

7.如权利要求6所述的用于不锈钢加工的多目标优化方法，其特征在于，所述对所述实验数据集中所有数据分别进行归一化处理，采用的归一化公式如下：其中，N*为归一化处理结果，N为初始值，Nmax和Nmin分别为初始值的最大值和最小值。

8.如权利要求6所述的用于不锈钢加工的多目标优化方法，其特征在于，利用NSPSO智能优化算法对所述关联模型进行寻优，得到多目标优化的Pareto前沿及对应的切削参数组合，具体包括：将所述切削力支持向量机模型、所述表面粗糙度支持向量机模型和所述材料去除率公式模型导入至NSPSO智能优化算法中；

利用所述NSPSO智能优化算法，随机在粒子的速度和位置范围内生成一个初始种群；

对所述初始种群的位置进行归一化预处理，并计算所述初始种群中每个粒子基于目标函数的适应度；

根据NSPSO智能优化算法的速度和位置更新公式对当前种群进行更新，并将子代与父代合并进行非支配解集排序；所述子代表示更新后的粒子群，所述父代表示更新前的粒子群；

产生新的当代种群，更新个体极值和群体极值，并重复迭代更新，得到最终的Pareto前沿和最优种群。

9.如权利要求8所述的用于不锈钢加工的多目标优化方法，其特征在于，所述根据NSPSO智能优化算法的速度和位置的更新公式对当前种群进行更新，所述更新公式如下：其中，vi，j和pi，j分别代表第j代第i个粒子的速度和位置；vi，j+1和pi，j+1分别代表第j+1代第i个粒子的速度和位置；c1和c2表示加速度因子，r1和r2是0-1之间的随机数；Pi，best是第i个粒子的历史最优个体，Gbest是全局最优个体，在第一层非支配解集中随机选取；

ω表示惯性因子，其表达式为：

其中，j表示当前代数，N为最大迭代次数；

所述产生新的当代种群，更新个体极值和群体极值，并重复迭代更新，得到最终的Pareto前沿和最优种群，具体包括：根据所述非支配解集排序的排序水平，依次选择排序在前的N个个体成为新的父代；

当选取到某一层非支配解集数目溢出时，对当前层的个体按照拥挤距离从大到小排序，依次取出个体放入下一个父代，直到达到种群上限，进入下一次更新；

重复以上更新步骤直到达到最大迭代次数，得到最终的Pareto前沿和最优种群，所述最终的Pareto前沿和最优种群即为多目标优化的最优切削参数组合。

10.一种用于不锈钢加工的多目标优化系统，其特征在于，包括：参数极值获取模块，用于获取所选不锈钢材料的进给速率、切削速度和切削深度的极值；

正交表创建模块，根据所述的进给速率、切削速度和切削深度的极值，创建L9正交表；

切削实验实施模块，用于根据所述L9正交表进行切削实验；

实验数据生成模块，采集所述切削实验中的切削力和表面粗糙度，同时计算材料去除率，生成实验数据集；

关联模型创建模块，用于将所述实验数据集进行归一化处理，然后将归一化处理的结果输入到支持向量机中，建立切削力、表面粗糙度和材料去除率的关联模型；

寻优获取参数模块，用于利用NSPSO智能优化算法对所述关联模型进行寻优，得到多目标优化的Pareto前沿及对应的切削参数组合。