随着航空制造业的不断发展,对航空发动机叶片提出了越来越高的性能要求,对钛合金风扇叶片加工也提出了越来越高的精度要求。大量研究表明,叶片实际加工中,设置叶片加工参数对叶片叶型轮廓度误差有很大影响。因此,优化钛合金叶片加工参数是减小叶片叶型轮廓度误差的重要手段之一。本论文针对中国航空制造技术研究院叶片加工存在轮廓度超差的问题,基于数据挖掘技术中的统计分析法和决策树分类法进行了叶片加工参数优化,对减小钛合金叶片加工叶型轮廓度误差具有一定的指导意义。首先,根据钛合金风扇叶片叶型轮廓度等截面测量数据,提出了叶片叶型轮廓度误差分析算法。基于最小区域原则,提出了实际测量点与理论截面线匹配算法,建立了匹配目标函数,给出了实际测量点与理论截面线匹配方法。建立了叶型轮廓度误差计算方法,以轮廓度满足误差要求作为数据挖掘叶片加工参数优化目标。其次,提出了叶片加工参数逆向计算和提取方法,分析了影响叶片叶型轮廓度的关键加工参数。以钛合金风扇叶片为研究对象,给出了基于数控加工程序的刀位数据逆向计算算法,提出了刀具姿态角等加工参数的计算和提取方法。利用多元统计技术方法分析出刀具尺寸、切削深度、进给速度和刀具侧倾角是影响叶片叶型轮廓度的关键加工参数,并将这些参数作为数据挖掘的优化变量。再次,提出了基于决策树的叶片加工参数优化方法。分析了决策树应用于加工参数优化的优势。构建了关键加工参数和叶片叶型轮廓度数据工艺决策数据表,使用信息增益率度量了加工参数作为决策树分裂属性的重要性,建立了叶片加工参数优化决策树模型,获取以叶型轮廓度为优化目标的叶片加工参数优化规则。最后,进行实际叶片加工实验,对本论文提出的基于数据挖掘的叶片加工参数优化方法进行实际验证,并对成型叶片叶型轮廓度分析,验证了本论文提出方法的可行性,为减小叶片加工叶型轮廓度误差,提高叶片加工精度提供技术支撑。