数控技术驱动齿轮制造业朝向高度自动化、绿色低碳、质量稳定等方向发展,然而目前数控滚齿机床本身面临加工参数过于保守、有效利用率不高等问题,在齿轮生产过程中未充分发挥其优异性能。因此,研究数控滚齿机床的相关优化问题具有重要意义。选用合理的滚齿工艺参数可以充分发挥机床性能、有效提升加工效率,还能减少滚齿过程碳排放、提升齿轮加工质量。目前,确定滚齿工艺参数的方法有查询加工手册、利用固定软件模块和依赖工人经验,无论哪一种方式都是针对特定加工任务和加工设备,实用性受到了极大的限制。因此,研究滚齿工艺参数优化的迫切性不言而喻。首先,针对数控滚齿过程碳排放源多、精度影响因素复杂的问题,从工艺系统、切削参数的角度探讨了其对滚齿精度的影响;从机床设备、物料及辅助物料、废弃物处理方面论述了其对滚齿碳排放的影响。其次,针对数控滚齿过程进行试验设计,包括选定试验方法、筛选出碳排放、精度的关键影响因素以及开展试验并收集相关小样本数据,以粗滚进给量、粗滚转速、精滚进给量、精滚转速为输入,以碳排放、各项精度指标为输出,初步建立数控滚齿过程的BP神经网络、灰色神经网络两种碳排放及精度预测模型。然后,建立了以最低滚齿碳排放和最优滚齿精度为目标的工艺参数优化模型,该模型用神经网络来挖掘滚齿参数与优化目标的隐式关系、用粒子群算法（PSO）对预测网络的权重参数进行迭代寻优。首先根据数控滚齿过程确定优化变量,通过简化精度指标得到碳排放和精度优化目标,并根据机床性能、齿轮参数等因素设定相关约束条件,然后在此基础上利用粒子群算法的寻优特性对神经网络进行优化并求解数控滚齿工艺参数优化模型,最后得到了最低碳排放、最优精度和综合优化两者的工艺参数组合。最后,对全文进行了总结,分析论文研究的不足,提出数控滚齿过程工艺参数优化研究的发展展望。