摘要：加工過程中產生的表面質量(如粗糙度)的數據序列包含多種特征,為能捕捉更多的數據特征,提高表面粗糙度的預測精度,提出采用組合協方差的高斯過程回歸(CGPR)模型預測表面粗糙度,來捕捉數據特征中的線性特征和非線性特征;為獲得CGPR模型的最佳超參數組合,采用人工蜂群(ABC)優化算法對超參數尋優,形成人工蜂群—組合協方差的高斯過程回歸(ABC-CGPR)模型。通過45鋼的車削試驗,基于不同切削用量和刀具結構,建立了各類不同組合協方差的ABC-CGPR預測模型和單一協方差的ABC-GPR預測模型,并對比其預測性能,結果展示CGPR預測模型相比單一的GPR預測模型具有更高的預測精度,其中線性協方差函數與Matern協方差函數組合的預測精度最高,為實際加工中選取滿意的預測模型提供了有效的指導。