随着全球能源消耗不断增加,能源消耗所带来的能源危机和环境问题也日益严峻,如何实现节能减排已成为全世界的热点问题。工业能源消耗对全球消耗总能耗的占比一直处于首位,如何降低和优化工业能源消耗是每个国家的重点研究问题。机床作为工业母机,其能量消耗大且能量效率低,降低机床能量消耗并提升其能量效率具有重要意义。随着传感器技术、工业互联网技术的发展,机械加工车间中能采集到的工艺过程数据包含了丰富的信息,通过挖掘工艺过程数据与能耗的关联关系可为实现数控机床能量效率优化提供一个有效的途径。基于此,本文结合国家自然科学基金面上项目“基于深度-元强化学习的柔性加工高能效工艺规划理论与方法”和重庆市技术创新与应用示范专项重点示范项目“大型自走式采棉装备智能制造车间应用示范”等项目,以数控加工系统能效提升为目标,对数据驱动下基于元动作的数控车削能耗预测及优化方法研究展开研究。首先,根据数控车削加工过程中的加工工艺条件、机床运动部件等发生的变化来定义数控车削加工过程元动作,将数控车削加工过程分为待机时段、空切时段、切削时段和换刀时段,并分析数控车削加工在不同时段下的元动作组成和能耗特性。其次,提出数控车削加工元动作获取方法,并给出元动作数据预处理方法;基于采集的元动作数据实现机床状态判断及在各状态下所需作为输入变量的元动作;选取机器学习算法中的高斯过程回归对数控车削加工进行能耗预测,并选取k折交叉验证技术的评价方法以及四种模型评价指标（RMSE、MAE、MAPE、R2）对预测模型进行评价。再次,以数控车削加工过程中的加工能耗与加工时间为目标,以数控车削加工中的机床启停、进给轴运转、刀具更换、工艺参数变化元动作作为优化变量,建立数据驱动下基于元动作的数控车削加工多目标优化模型,并基于粒子群算法的知识策略网络,实现对多工步数控车削加工问题的多目标求解。最后,结合应用案例分别对所提出的数据驱动下基于元动作的数控车削加工能耗预测与优化方法进行分析,验证所提出的方法的可行性和有效性。在此基础上,得到各元动作对能耗的影响规律,为数控车削加工能量效率优化提供理论支撑。