严胜利，李俊泓，李 浩，张春林

（广安职业技术学院，四川 广安 638000）

制造业的能源消耗随着社会工业化的持续改善而增加[1]。准确预测加工过程中的能源消耗并优化加工参数以提高加工能源效率和节约制造成本具有重要意义[2]。

优化铣削参数的方法[3]包括：响应面法、粒子群优化算法、BP-SA 优化铣削参数的路径、基于深度强化学习的铣削参数优化方法等。这些方法的目的是提高加工过程的能源效率，降低成本，并使铣削加工过程更加精确和高效。而基于深度强化学习的铣削参数优化方法是一种近年来新发展起来的方法，可以考虑加工成本，响应面法和粒子群优化算法是比较常用的方法。曾金平等[4]建立CNC 车床主轴加速能耗模型，并讨论减少这部分能耗的潜在方法。在刀具磨损的不同阶段，考虑切削能耗存在动态变化过程。因此，戚晓楠等[5]通过开发统一切削试验工具磨损和能量图，评估不同切削条件下的刀具磨损率和特定切削能量。为研究实际材料去除所消耗的能量，于硕等[6]在过程水平上定义了一个新概念，净切削比能量，并建立每个完成硬铣加工水平的切削条件和能耗之间的关系。宣鹏举等[7]关注的是热辅助加工的能耗。此外，表面质量也是加工过程优化的关键目标之一。卢家锋等[8]不仅建立不锈钢铣削的经验能耗模型，还基于RSM 方法建立表面粗糙度的预测模型，并优化节能和高质量加工的工艺参数。Fatoorehchi 等[9]使用反演分析方法分别建立切削力模型、残余应力模型、工具寿命模型和表面粗糙度模型。……