插铣主要用于粗加工和半精加工，是一种能够实现高金属切除率的加工方法。在航空航天领域和模具行业应用广泛。本文选用冷作模具钢Cr12为试验材料，主要针对插铣加工中的铣削力进行研究并建立插铣铣削力模型。铣削力模型的建立对加工参数的选择、加工工艺的规划以及刀具的选择和设计等都有很重要的指导作用。铣削力的产生是一个复杂的非线性力学过程，涉及毛坯材料、加工环境、机床性能等多种因素。BP(Back-Propagation)神经网络，作为目前应用最广泛的神经网络模型之一，由于其由大量神经元相互连接而组成，具有很好的学习能力和预测性能，能逼近任意线性与非线性函数，因此可用于建立插铣削力预测模型。但是BP网络属于梯度下降算法，存在收敛速度慢、训练时间长等缺点。遗传算法是一种高效并行全局搜索算法，具有很好的鲁棒性，能够避免传统的BP算法容易陷入局部极小的问题。本文在基于BP神经网络的铣削力预测模型中引入遗传算法以获得更优的权值和阈值，从而提高模型对铣削力预测的准确性。经验证分析，网络模型能够有效地对铣削力进行预测。本文研究内容主要包括：(1)针对插铣加工的特点，基于切削图形对铣削力进行理论分析。(2)设计单因素试验和多因素的正交试验，并在数控加工中心上通过铣削测力装置对铣削力进行测量。(3)对BP神经网络理论和遗传算法原理进行了概述，对试验数据进行归一化处理，建立基于BP网络的铣削力预测模型。(4)利用遗传算法优化BP网络以获取最优权值和阈值，建立结合两者的更为准确的铣削力预测模型。(5)利用网络训练数据和验证数据对网络模型进行验证和误差分析，对遗传算法优化网络前后的预测精度进行对比分析。