面对愈发严峻的能源问题和环境问题,数控机床的节能优化得到广泛的关注。但是对于数控机床能耗研究大多采用单一建模方式进行预测,利用混合建模思想进行数控机床能耗研究还不多见。因此建立混合驱动数控机床能耗预测模型有着一定研究意义。本文首先梳理大量的数控机床能耗预测建模研究,从能量守恒和切削加工原理的机理层面,将数控机床能耗按照不同切削加工阶段分为待机能耗、空载能耗和切削能耗,并对相应阶段能耗进行特性分析和机理建模。从机器学习流程出发,阐述支持向量机的工作原理,并针对数据样本量不足对数据驱动建模的弊端,利用k折交叉验证算法对支持向量回归模型进行优化,建立起数控机床数据驱动能耗模型。基于数控机床机理能耗模型和数据驱动能耗模型,引入混合建模思想,总结四种不同机理与数据混合建模原理。分析数控机床的系统输入输出特性,采用机理引导数据驱动模型特征选择的混合建模方式,建立数控机床混合驱动能耗模型,通过实验验证和响应面方差分析,与SVR和kcv-SVR两种数据驱动能耗模型进行对比,证明混合驱动能耗模型的预测优越性和模型合理性。以数控机床加工能耗和加工时间作为目标函数,利用多目标粒子群算法对数控机床切削加工过程优化模型进行参数优化。通过实验值与优化值的对比,证明多目标粒子群算法对于切削参数优化有效性和指导性。