随着能源及环境问题日益突出,节能减排越发是当今时代都要倡导和实施的重要措施。数控机床作为机械制造业的主要生产设备,数量众多,使用过程中具有高能耗、低能效等缺点,是制造业生产加工中需要节能减排的重点对象。而建立数控机床加工能耗预测模型,实现有效预估各工艺参数下的能耗信息是促进数控机床节能减排的基础。因此,本文以数控车削加工系统为研究对象,对数控机床加工过程能耗模型建立和预测方法进行研究。首先,引入灰色关联分析法理论确定影响能耗的主要因素及其影响程度。根据数控机床加工能耗系统构成,分析各个时段工况下影响能耗的因素。搭建数控机床功率数据采集平台,并进行正交试验,获取实验数据。利用灰色关联分析法对数据进行分析,确定加工过程时长、材料硬度、背吃刀量、空载功率、进给速度、主轴转速、进给量作为该加工条件下影响能耗的主要因素并对其影响程度进行排序。其次,通过分析BP神经网络算法和Adaboost算法特点,以此为基础提出一种基于Adaboost算法集成优化BP神经网络的建模方式,建立BP-Adaboost集成算法预测模型,利用切削案例分析进行模型预测可行性验证。并通过该模型提高在小样本预测条件下,对机床加工能耗进行预测的精度。最后,为了进一步确定BP-Adaboost集成算法预测模型的在机床能耗预测方面的优势,将BP-GA和BP-PSO算法模型引入到能耗预测中进行预测效果对比分析。研究表明,集成优化后的BP-Adaboost算法模型在对机床加工能耗进行预测时准确性更高。该项研究不仅在数控机床加工能耗预测方面提供了一种新的算法模型,为工艺参数优化提供方法支持,而且在机床节能加工等方面也具有广阔的应用前景。