钛合金具有密度小、强度高、耐热及耐腐蚀性能好等优点，目前为止，其在航空、海洋、医疗等诸多领域均有广泛的应用，其中α+β系的Ti-6Al-4V钛合金的用量最大，应用范围最广。然而，该合金同时具有导热系数小、高温化学活性高、弹性模量小、摩擦系数大等特点，导致其切削加工性较差。由于Ti-6Al-4V钛合金具有以上特殊的力学、物理化学性能，使得其零件的整体切削加工性下降，通常存在着切削温度高、单位面积上的切削力大、冷作硬化现象严重、刀具磨损严重，对零部件加工表面完整性造成很大的不利影响。为了改善Ti-6Al-4V钛合金的切削加工性，以不同热处理组织下的α+β系Ti-6Al-4V钛合金为研究对象，在同等切削条件和铣削参数下，分别对试件进行干式立铣加工试验，并建立了铣削力学模型，同时分析了不同热处理组织对其表面完整性的影响。在综合考虑Ti-6Al-4V钛合金切削加工性能和铣削加工特点的基础上，明确其铣削力学模型预测和表面完整性研究的主要内容：试验方案采用四因素三水平正交设计方法对三种典型金相组织分布的Ti-6Al-4V钛合金进行铣削试验，分析轴向切深ap(mm)、每齿进给量fz(mm/z)、铣削速度vc(m/min)、径向切深ae(mm)对铣削力学模型预测和表面完整性的影响；利用最小二乘法原理，建立了铣削参数对主铣削力的多元线性回归方程，并进行了回归分析，求得了在不同热处理制度下Ti-6Al-4V铣削力和表面粗糙度较为精确的经验公式；利用MATLAB软件，对回归方程和回归系数进行了显著性检验，分析得出铣削加工Ti-6Al-4V的最佳热处理状态和最优铣削参数组合，实现在加工前进行热处理工艺设计、铣削力学模型预测、铣削参数优化的目的，从而为实际生产提供理论依据和试验数据支持。另外，本文采用模糊神经网络对铣削力学模型进行了仿真预测。这即可弥补铣削加工Ti-6Al-4V钛合金过程中影响铣削力的复杂因素对铣削力的不利影响又提高了利用纯模糊数据处理建立铣削力数学模型的精确程度。采用正则化模糊神经网络学习算法建立了铣削力预测的神经网络模型，模型中主要考虑影响Ti-6Al-4V钛合金铣削力的加工参数，设计铣削加工试验组合数据对模糊神经网络模型进行训练，并利用模糊神经网络模型对铣削力进行仿真。仿真结果表明：利用正则化模糊神经网络方法建立Ti-6Al-4V钛合金的铣削力预测模型是可靠的，并且可以正确排除偏离训练样本的征兆，提高了铣削力模型预测的速度和精确程度。