中国制造业在过去的30年里得到了迅猛发展。在全球机械设备出口份额中,我国以15.8%的份额占比超过德国,跃居第一。但高速发展的背后是以低能量利用率和大量的碳排放作为代价,因此,机械制造行业正面临如何提升能效,实现绿色良性发展的巨大挑战。数控机床作为机械产品生产的主要加工手段,能量消耗的主要载体,其节能减排对实现机械制造业的“双碳”愿景具有非凡意义。本文以数控滚齿机加工产品的过程为研究对象,分别从碳排放预测和切削参数优化两个方面展开研究。（1）针对数控机床的加工过程消耗能源产生碳排放不可预见的问题,构建基于数据驱动的组合预测模型。首先,通过实验决策方法选取关键因素作为输入变量,并设计单因素实验分析各因素对碳排放变化的影响。然后利用麻雀算法（Sparrow Search Algorithm,SSA）对支持向量机（Support Vector Machine,SVM）进行改进,初步提升模型预测精度。将其作为弱学习器,使用自适应提升算法（Adaptive Boosting,Adaboost）构建组合预测模型,进一步提升预测性能。最后,通过实际案例的数据进行模型验证与对比,证明该模型在对数控机床加工碳排放预测中的可行性和优越性。（2）针对数控滚齿机床切削过程的工艺参数低碳化问题,综合考虑能源消耗、物料消耗等方面,分析机床运转的各个阶段,构建碳排放定量计算模型。考虑实际生产中机床自身性能和加工条件等多个约束,构建以加工成本最小、碳排放最少的多目标优化模型。（3）提出一种多策略改进的人工蜂群算法（Artificial Bee Colony,ABC）用于求解多目标优化模型,并使用测试函数集对算法的性能提升进行验证。将实际加工案例代入模型并进行工艺参数组合的求解,与非支配排序遗传算法进行对比;权衡实际条件,采用灰色综合评价法决策出最优加工方案并与经验方案进行对比验证。