近年来，随着经济社会的高速发展，制造业对国家经济、综合国力的影响日益提升，世界各国都在大力发展本国的机械制造业。制造业是一个国家经济实力和综合国力的支柱产业，制造业的发展水平对国家发展有着重要的战略意义和现实意义。基于此，德国于2013年提出了“工业4.0”这一项目，旨在提升制造业先进化、智能化水平，促进制造业变革。我国紧随其后，于2015年提出了“中国制造2025”这一构想，以推进国内制造技术的发展，加快传统制造工业改进升级。社会对制造业的各种各样的要求也随之而来，主要有以下几个方面：

1) 高精度化；

2) 智能化；

3) 绿色化；

4) 数字化。

作为机械制造的重要加工方式，切削加工自然受到了极大的重视。要在切削加工过程中实现高精度和高质量，又要实现绿色生产，节能减排，这便对切削参数的选择提出了极高的要求。过去，切削工艺参数往往往往仅凭查询相关技术手册，依靠加工经验选择，这样不仅会导致加工过程不可控，不总能满足加工要求，甚至会导致一系列的加工问题，比如加工质量、加工时间的不可预测，加工刀具的磨损严重或额外地更换刀具以及加工成本、生产效率的不可控等。由此可见，切削工艺参数的选择，对切削加工过程的表现尤为关键，选择合理的切削参数对实际生产中提高工件表面质量、增大加工效率、节约生产成本具有重要的现实意义。

在机械加工中，工件表面质量、加工效率和切削能耗等加工性能指标之间往往是相互矛盾的。表面粗糙度是用来评价机械加工性能和表面质量的重要指标，合适的表面粗糙度大小能有效减小工件之间的磨损，提高工件疲劳强度、耐磨性和安装配合性质。材料去除率是衡量加工效率的一个重要指标，材料去除率越大，便可以获得更高的加工效率，但材料去除率过大，会导致产品不合格率增加。切削能耗是衡量加工过程能量消耗情况的重要指标，切削能耗越低，越符合绿色制造、节能减排的要求。但其中一种或几种性能指标达到最优时，其余的性能指标可能表现很差，各性能指标之间表现效果差异很大，如何在各性能指标之间权衡优劣便是问题所在。

对工艺参数进行优化以获得更优的表面质量、加工效率、加工能耗，这种问题是一个典型的多目标优化问题。目前主要有两种类型的优化方法：一是通过数理统计方法，为各优化目标设定不同的权值，将多目标优化转化为单目标优化；二是使用智能算法，直接进行多目标优化，获得最优的切削参数解集。目前在切削加工领域，国内对切削工艺参数单目标优化的研究较多，对上述切削工艺参数多目标优化的研究仍然较少，尚处于起步阶段，而且其中很多多目标优化是通过采用数理统计方法将多目标优化转化为单目标优化来实现的，并未真正实现工艺参数的多目标优化。

在国外，切削参数的多目标优化研究相比国内发展的更加全面，利用传统的数理统计方法将多目标优化转为单目标优化，比如灰色关联度分析（Gray Relation Analysis）、主成分分析（Principal Component Analysis）等，除此之外，某些研究中使用神经网络进行切削过程的虚拟建模，之后利用各种智能算法进行多目标优化，比如NSGA-II、MOEA/D等。

本文以车削加工为研究对象，首先建立切削工艺参数与优化目标之间的数值回归模型，并依次使用数理统计方法和智能算法分别对切削工艺参数进行多目标优化，求出不同方法在当前工况下的最优车削工艺参数，并且互相进行对比，分析各种方法的特点，为实际生产提供理论依据。