1.一种基于多特征融合模型寻找最优铣削参数的研究方法，其特征在于，包括以下步骤：

S1、制定不同铣削参数的铣削试验，搭建铣削温度和铣削力同步测试系统；

S2、铣削温度和铣削力同步测试系统测量铣削刀具尖端附近的铣削温度和三向铣削力的时域信号，并从铣削温度和三向铣削力的时域信号中提取铣削温度均值和铣削力均方根值；

S3、通过粒子群优化算法求解优化多特征融合模型，获得最优的铣削参数，即基于试验数据，建立以铣削温度均值、铣削力均方根及金属去除率为目标特征变量，铣削参数为优化参数的多特征融合模型，然后基于粒子群优化算法求解多特征融合模型中的特定铣削参数，从而获得所用试验参数范围内的最优铣削参数解；

通过粒子群优化算法求解优化多特征融合模型，获得最优的铣削参数的具体方法如下：

S3‑1、采用灰色关联分析方法，分析铣削温度均值与铣削力均方根的相关性；

S3‑2、选择最小铣削温度均值、最小铣削力均方根及最大金属去除率作为特征变量，选择铣削速度、进给速度及铣削深度作为优化参数，建立特征变量与优化参数之间的特征函数，然后将特征函数融合为多特征融合函数，通过粒子群算法对铣削中的多特征融合模型进行优化求解，获得最优铣削参数；具体包括以下：首先，选择铣削温度均值、铣削力均方根及金属去除率作为特征变量，选择铣削速度、进给速度及铣削深度作为优化参数，设铣削的3个优化参数铣削速度、进给速度、铣削深度分别为x1、x2、x3，建立以下特征变量与优化参数之间的特征函数，然后，f(xi)为特征函数；D,a,b,c为回归参数；

其次，将特征函数融合为以下多特征融合函数，

其中，U(xi)表示多特征融合模型，f1(xi)表示最小铣削温度均值的特征函数，f2(xi)表示最小铣削力均方根的特征函数，f3(xi)表示最大金属去除率的特征函数；

最后，利用粒子群算法优化多特征融合模型，具体方法如下：

(1)假设在一个D维的目标搜索空间中，有N个粒子组成一个群落，其中第i个粒子表示为一个D维的向量Xi＝(xi1,xi2,…,xiD)，第i个粒子的“飞行”速度也是一个D维的向量，记为Vi＝(vi1,vi2,…,viD)，第i个粒子迄今为止搜索到的最优位置称为个体极值，记为pbest＝(pi1,pi2,…,piD)，整个粒子群迄今为止搜索到的最优位置为全局极值，记为gbest＝(pg1,pg2,…,pgD)，初始化粒子种群；设置迭代次数；

(2)将公式(11)作为适应度函数计算离子适应度值Fit[i]；

(3)对每个粒子，用它的适应值Fit[i]和个体极值pbest(i)比较，如果Fit[i]

(4)对每个粒子，用它的适应值Fit[i]和全局极值gbest(i)比较，如果Fit[i]

(5)根据公式(12)和(13)更新各粒子的速度和位置，并采用公式(14)计算ω，其中，c1、c2均为学习因子，ω为惯性权重，r1、r2均为[0，1]范围内的均匀随机数，f为粒子实时的目标函数值，fmin、favg分别为当前所有粒子的最小目标值、平均目标值，vmax、ωmin分别为惯性权重最大值、最小值， 表示第i个粒子在D维的更新迭代速度， 表示第i个粒子在D维的当前迭代速度， 表示第i个粒子在D维的更新迭代位置， 表示第i个粒子在D维的当前迭代位置， 表示粒子群在当前迭代的个体极限值， 表示粒子群在当前迭代的个体极限值；

(6)判断是否达到迭代次数，如果达到则停止迭代计算并更新个体最优解pbest与全局最优解gbest，输出在此约束条件下的铣削速度、进给速度和铣削深度，否则返回步骤(2)。

2.根据权利要求1所述一种基于多特征融合模型寻找最优铣削参数的研究方法，其特征在于，所述步骤S1中，所述铣削参数包括主轴转速、进给速度和铣削深度，所述铣削温度和铣削力测试系统包括红外热像仪、三向测力仪，所述红外热像仪测量铣削刀具尖端附近的铣削温度的时域信号，所述三向测力仪测量铣削刀具尖端附近的铣削力的时域信号。

3.根据权利要求2所述一种基于多特征融合模型寻找最优铣削参数的研究方法，其特征在于，所述步骤S2中，将各时刻实际测量的铣削温度平均值 作为温度信号的特征值，选择三向铣削力及组合铣削力FRMS‑c的均方根值作为力信号的特征值，三向铣削力为轴向铣削力FRMS‑1、径向铣削力FRMS‑2、切向铣削力FRMS‑3。

4.根据权利要求1所述一种基于多特征融合模型寻找最优铣削参数的研究方法，其特征在于，所述步骤S3‑1具体包括：通过灰色系统理论计算铣削温度均值与铣削力均方根的关联度，然后基于灰色关联度分析出给定铣削参数下，铣削温度均值与铣削力均方根之间的相关性，最后根据相关性等级，选择相关性最高的铣削力均方根代表铣削力的融合模型的特征变量。

5.根据权利要求1所述一种基于多特征融合模型寻找最优铣削参数的研究方法，其特征在于，所述步骤S3‑2中，建立多特征融合模型时，其约束条件如下：(1)铣削速度约束，铣削速度应满足主轴转速的上下限要求，

式中，d是铣刀车的直径，nmin、nmax分别是主轴的最小、最大转速，g1(xi)表示铣削速度的上限约束函数，g2(xi)表示铣削速度的下限约束函数；

(2)进给速度约束，进给速度在数控铣床铣削加工工件的进给速度范围内，

g3(xi)＝vfmin‑x2≤0      (7)

g4(xi)＝x2‑vfmax≤0       (8)

式中，vfmax、vfmin分别表示最大与最小进给速度，g3(xi)表示进给速度在数控铣床铣削加工工件的进给速度上限约束函数，g4(xi)表示进给速度在数控铣床铣削加工工件的进给速度下限约束函数；

(3)铣削深度约束，铣削深度应满足铣削加工工件的最小与最大铣削深度，

g5(xi)＝apmin‑x3≤0                   (9)

g6(xi)＝x3‑apmax≤0                  (10)

式中，apmax、apmin分别表示最大与最小铣削深度，g5(xi)表示铣削深度应满足铣削加工工件的下限约束函数，g6(xi)表示铣削深度应满足铣削加工工件的上限约束函数。

6.根据权利要求5所述一种基于多特征融合模型寻找最优铣削参数的研究方法，其特征在于，所述步骤S3‑2中，通过对特征函数两边取对数，完成公式(1)线性化处理，建立特征变量和实测值 的差值平方和的待优化回归函数模型∏，如公式(2)所示，然后根据最小二乘法原理求的相关回归参数D,a,b,c，对公式(3)进行求解，中，即可求出回归参数D,a,b,c的值；将回归参数带回到公式(1)，分别得到最小铣削温度均值、最小铣削力均方根及最大金属去除率特征函数：其中，Di，ai，bi，ci分别为最小铣削温度均值、最小铣削力均方根及最大金属去除率特征函数的回归参数，i＝1，2，3。