制造业的发展依赖于新加工设备和工艺的出现,其中3D打印技术的出现对其推动作用不可忽视。熔融沉积成型（Fused Deposition Modeling,FDM）是目前工艺成熟且应用广泛的3D打印技术之一,因具有高材料利用率等优点发展迅速,但在加工过程中的质量与效率问题成为了限制其发展的主要因素。影响加工质量与效率的重要因素为加工参数,如打印速度、层高等参数不仅影响成型零件的表面粗糙度,也会对加工效率产生直接影响。FDM加工实践中发现:1.加工参数与粗糙度之间难以建立准确计算公式;2.制造效率与粗糙度之间存在相互制约的关系,如何通过参数选择使两者均达到较为理想状态成为关键问题。因此,建立加工参数与粗糙度间关联关系的预测模型,并在保证粗糙度要求的前提下实现表面粗糙度与加工效率的均衡成为FDM生产中亟待解决的问题。针对上述问题,本研究拟采用机理分析结合支持向量回归（Support Vector Regression,SVR）以及多目标优化方法展开研究。本文首先基于粗糙度测量过程中的实测负荷曲线展开机理分析。采用等效轮廓的方法分析了层高、打印速度、挤出速度、成型温差对于表面形貌的影响,并以该分析结果指导后续实验。粗糙度的灰色关联度分析结果显示上述所有因素与粗糙度关联度较高,该结果证明了负荷曲线分析的有效性。以机理分析为基础,本文提出了一种改进布谷鸟搜索（Cuckoo Search,CS）优化SVR粗糙度预测模型。其中,改进CS算法通过Sine混沌映射和根据个体适应度值变化的自适应步长策略提高寻优性能,预测模型以喷头温度、层高、流量、打印速度、热床温度、壁厚及层高流量计算参数为输入特征实现粗糙度Ra数值预测。通过该模型与其他模型的对比分析结果证明该模型具有性能优势。基于上述改进CS-SVR预测模型对加工表面粗糙度展开优化实验。由于制造时间难以计算,本文选用当量加工时间作为加工时间的衡量标准。建立粗糙度和当量加工时间双目标优化模型,并利用非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-II,NSGA-II）求解该模型。优化结果证明该优化模型与优化方法可较好实现粗糙度和加工效率间的均衡,对于FDM加工具有现实指导意义。最后以FDM加工过程分析为基础,基于上述模型和算法设计并实现了3D打印质量预测与分析系统,已成功运用到FDM生产实践中。