制造业在给我国创造巨大财富的同时,也伴随着能源短缺以及环境污染等重要问题。机械加工是典型的制造方式,然而此过程消耗大量资源能源,产生废气、固体废弃物等各类污染排放。因此,对机加工艺资源环境负荷进行分析、评估及优化等研究是实现绿色制造的关键。受材料、设备、工艺参数、加工方式等工艺场景因素的影响,机加工艺资源环境负荷特征较为复杂,且二者之间有着复杂的非线性映射关系。目前机加工艺资源环境负荷的评估和优化研究缺乏考虑工艺场景因素,难以有效指导机加工艺过程向低碳绿色化转变。因此,本文基于工艺场景对机加工艺资源环境负荷进行特征分析、评估及参数优化方法研究,提高机加工艺的绿色性能竞争力。主要研究内容如下:首先,针对机加工艺资源环境负荷基础数据匮乏难以支持资源环境负荷评估及优化控制研究,对由工艺类型、材料、设备、工艺参数等信息构成的工艺场景进行定义与表达;基于工艺场景从物料流、能量流、环境排放流层面对机加工艺资源环境负荷特征进行分析,形成典型机加工艺资源环境负荷指标体系;在此基础上,搭建资源环境负荷基础数据采集平台,实现机加工艺资源环境负荷数据的监测和采集。其次,针对目前难以有效评估机加工艺资源环境负荷等问题,设计机加工艺资源环境负荷基础数据采集实验方案,分析工艺场景对资源环境负荷影响的显著程度;基于工艺场景因素的显著性程度,提出基于加权欧氏距离的工艺场景相似度计算方法,通过匹配目标场景与参考场景的相似度,实现面向工艺场景的机加工艺资源环境负荷评估。再次,针对机加工艺场景与资源环境负荷的复杂非线性关系,以铣削工艺场景为例,基于模糊神经网络建立工艺场景与资源环境负荷的映射关系模型。在此基础上,分析工艺场景对资源环境负荷的交互作用,为工艺场景优化研究提供分析方法和思路。最后,在分析工艺场景对资源环境负荷交互作用影响的基础上,构建铣削工艺场景下以最小化碳排放、粉尘、噪声为优化目标的工艺参数优化模型。设置期望函数作为适应度函数,基于多目标粒子群算法对优化模型进行求解。并进行试验验证,结果验证了该模型的准确性和有效性,可指导机加工艺实现低碳绿色化。