在金属切削过程中,加工参数不仅影响了切削过程的生产效率,而且还影响了切削力和切削零件的表面质量。实际上,切削力和零件的表面质量是密切相关的,切削力也是影响表面质量的因素。所以加工参数的优化研究对改善切削过程中的切削力和加工表面质量有非常重要的意义。本文以切削力和表面粗糙度为直接对象,应用基于响应面法的代理模型和人工神经网络模型技术,对加工参数进行优化。本论文主要进行了以下几个方面的工作：(1)在建立切削力模型的基础上,分析研究了影响切削力的主要因素。在本论文的研究工作中,除了把切削速度、切削深度、进给量作为关键的加工参数外,还把铣刀的刀齿数引入作为一个重要加工参数。在分析基于响应面的加工粗糙度代理模型的基础上,通过实验设计确定了四个关键加工参数的范围和水平。(2)进行了基于响应面的粗糙度代理模型的实验研究和灵敏度分析。首先根据四个关键加工参数的水平,通过切削实验采集了有关加工参数和表面粗糙度的样本数据集,在此基础上建立了基于二次响应面法的加工参数和表面粗糙度的代理模型。其次,进一步通过代理模型的灵敏度分析,简化了模型中对粗糙度不明显的项。最后利用代理模型对加工参数进行优化,切削实验表明基于响应面法的表面粗糙度代理模型的误差在可接受的范围之内。(3)基于响应面法进行了影响切削力和表面粗糙度的加工参数优化研究。根据四个关键加工参数的水平,通过实验采集有关粗糙度和切削力数据的基础上,建立了表面粗糙度和切削力的线性和二阶响应面代理模型,并通过切削实验对代理模型进行了验证,确保了代理模型的可靠性。应用建立的代理模型,对加工参数进行了单目标和多目标加工参数优化。同样,切削实验表明基于代理模型,针对表面粗糙度和切削力的单、多目标优化是可靠的。(4)进行了基于人工神经网络模型的加工参数单目标和多目标优化的研究。在研究人工神经网络模型结构和原理的基础上,应用人工神经网络建立了基于切削力和表面粗糙度的加工参数单、多目标优化模型,切削实验表明基于神经网络模型的切削力和粗糙度模型能够很好地逼近真实的切削模型。论文工作在试验设计的基础上,通过多种代理模型研究加工参数对切削力和表面粗糙度的影响规律,以及应用代理模型对加工参数单、多目标优化的方法,切削试验证结果表明所建立的各种代理模型和优化方法是有效和可行的。这项研究有三种技术。这些技术的响应面法(RSM),田口和人工神经网络(ANN)。在响应面方法中,敏感性分析被用于以评估每个切削参数的重要程度。单响应表明,在这项研究中与所使用的其他加工参数之间比较更为重要。在多响应(双响应)表面粗糙度为独立响应,而切削力被称为伴随响应。田口技术应用研究中具有相同的加工参数和相同的水平,取样结果与全因子设计相比结果非常好。使用田口方法的取样的数量等于三分之一全因子法中使用的数据。采用神经网络方法对加工参数进行优化,得到满意的结果。