1.一种多因数耦合提高TC4钛合金表面粗糙度预测精度的方法，其特征在于，包括以下步骤：S1、基于正交试验方法，设计铣削参数，拟定铣削试验方案，搭建包含铣削力、工件表面粗糙度采集在内的铣削试验系统，该系统包括数控铣床、三向测力仪、粗糙度测试仪；

S2、通过步骤S1设计的试验方案及铣削试验系统，完成TC4钛合金在不同铣削参数下的铣削试验，在试验过程中，采集铣削力和工件表面粗糙度数据，对上述数据进行处理，得到铣削力特征值和表面粗糙度值；从同步采集的铣削力数据中提取出三向铣削力的均方根值FRMSx、FRMSy、FRMSz作为铣削力特征值；使用粗糙度测试仪在工件加工表面随机取五个不同位置进行测量，取其平均值作为工件表面粗糙度值；

S3、通过正态性检验和相关性分析研究铣削力特征值及表面粗糙度值的相关性，基于响应面分析法，对铣削力特征值、铣削参数以及二者耦合分别建立表面粗糙度预测模型；具体包括：S3‑1、对铣削力特征值及表面粗糙度值进行正态性检验，分析上述参数是否呈正态分布，若满足正态分布，则计算Pearson相关系数进行分析，若不满足正态分布，则计算Spearman相关系数进行分析；

对收集的数据做三种正态性检验，具体操作如下：

(1)计算数据的偏度、峰度及其对应的Z‑score，计算公式为：

其中，n是数据组数，xi是第i组数据，是数据平均值，s为数据标准偏差；在α＝0.05的检验水平下，若|偏度Z‑score|及|峰度Z‑score|均小于1.96，则认为数据近似服从正态分布；

(2)对铣削力特征值及表面粗糙度值数据构造Q‑Q图，观察其Q‑Q图，分析参数是否呈正态分布，若Q‑Q图中各数据近似的在一条直线附近，则满足正态分布，反之不满足正态分布；

(3)对铣削力特征值及表面粗糙度值进行非参数检验，其中对数据少于30组的小样本数据进行Shapiro‑Wilk检验，对数据多于30组的大样本数据进行Kolmogorov–Smirnov检验，研究其显著性水平P值，若其P值大于给定的显著性水平，则数据符合正态分布；

通过Pearson和Spearman相关系数理论做相关性分析，公式为：其中，r为Pearson相关系数，cov(x,y)为x与y协方差，x为铣削力特征值数据序列，y为表面粗糙度值数据序列，σx为x的方差，σy为y的方差，n表示变量取值个数，xi为x的第i组数据，yi为y的第i组数据， 为x的数据平均值， 为y的数据平均值；

di＝Ri‑Qi

其中，rs为Spearman相关系数，对两个变量成对的取值分别按从小到大顺序编秩，Ri代表xi的秩次，Qi为yi的秩次，di为xi与yi的秩序次之差；

S3‑2、根据步骤S3‑1所求相关系数判断其与表面粗糙度的相关性显著程度，选择相关系较高的数据，基于响应面分析法，结合铣削参数建立表面粗糙度预测模型；

根据计算得到的相关系数，对应变量相关强度区间分析其与表面粗糙度的相关性显著程度，变量相关强度区间为：其中，|r|为相关系数r或rs绝对值；

表面粗糙度预测模型建立及提高精度的研究方法具体如下：

(1)建立三种表面粗糙度预测模型

基于响应面分析法，使用Minitab软件，以表面粗糙度值为响应变量，分别以铣削参数、铣削力、铣削力及铣削参数为连续变量建立铣削参数‑表面粗糙度预测模型X1；铣削力‑表面粗糙度预测模型X2；融合铣削力‑铣削参数的表面粗糙度预测模型X3；

(2)通过相关性分析，研究三种模型拟合值与实测值的相关系数R‑sq及修正相关系数R‑sq(adj)，对比分析三种模型的精度；

(3)对三种模型拟合值与实测值作曲线图、残差做散点图进行对比，进一步验证结论。

2.根据权利要求1所述一种多因数耦合提高TC4钛合金表面粗糙度预测精度的方法，其特征在于，所述步骤S2中，利用压电式三向测力仪采集铣削过程中的铣削力信号，利用粗糙度测试仪采集铣削后工件表面粗糙度。