钛合金Ti6Al4V有着非常优异的力学性能,该材料的密度较低并且有着良好的耐腐蚀性,也因此被广泛应用于汽车、航空等重要的领域。但是钛合金Ti6Al4V有着高温化学性高、弹性模量小以及导热系数低等特性,使得切削过程容易出现温度、能耗过高、刀具磨损过快、表面质量难以得到控制等问题,是一种很典型的难加工材料。因此,本研究提出了高斯过程回归-多目标粒子群优化算法(GPR-MOPSO)的优化模型,借助DEFORM-3D有限元仿真技术获取数据,实现基于铣削工艺参数来优化钛合金铣削加工中的表面粗糙度以及单位体积铣削能耗,获取最优铣削参数组合,该优化模型可为铣削过程保持质量稳定及减少能耗提供有效的参数调控依据。鉴于DEFORM-3D具有减少物理实验成本、缩短工艺参数选择周期等优点,本文采用DEFORM-3D模拟Ti6Al4V的铣削过程。利用DEFORM-3D构建了带涂层TiAlN的硬质合金刀具铣削钛合金过程的有限元模型,选取主轴转速、进给速度、铣削宽度、铣削深度为铣削参数进行模拟,获取了不同参数组合的表面粗糙度与能耗数据,并与物理实验对比,验证了DEFORM-3D获取数据的有效性,为后期多目标优化模型的实现提供了可靠的数据来源。为保证铣削过程获取较好表面粗糙度的同时尽量降低加工能耗,本文构建了高斯过程回归-多目标粒子群算法的优化模型。基于DEFORM-3D仿真获取的数据,采用高斯过程回归(GPR)分别建立表面粗糙度和能耗的预测模型,获得GPR-MOPSO优化目标的模型;为提高预测模型的精度,采用人工蜂群优化算法(ABC)获取GPR模型的超参数。使用多目标粒子群优化算法(MOPSO)对GPR建立的优化目标进行优化,获取钛合金Ti6Al4V铣削的加工参数帕累托解,对获得的帕累托解进行物理实验验证,验证了GPR-MOPSO模型的有效性。