金属切削设备在制造业中是最基础的装备,是金属切削工作的母机。我国的金属切削设备数量庞大,涉及面广,生产及使用逐年增强,切削设备能耗日益增加,导致碳排放逐年增高,致使地球环境变化越来越不乐观,低能耗、低碳制造问题已经变成当今各国关注的焦点。铣削加工是金属切削加工领域重要的组成部分,但铣削机床在实际生产过程中效率低,耗能多,存在巨大的节能空间。铣削加工是典型的、复杂的非线性过程,要通过合理选择切削参数来节约能耗,降低生产成本,通过建立精确的数学模型来实现非常困难。本文从我国工业生产实际现状出发,使用最常用的硬质合金铣刀,铣削广泛使用的的40 Cr钢材,获得了30组实验数据,并应用了处理复杂非线性问题的神经网络算法,通过建立结构合理的神经网络,能够快速、准确的计算铣削用量,用数字体现铣削用量与铣削设备功率的关系。基于正交试验设计的方法,将选取的铣削参数做进一步的优化,从试验中可以看出不同的铣削参数对铣削设备输出功率的影响;同时,对不同铣削参数下加工时间的多少进行了对比分析;实验表明,在铣削参数中,其中每齿进给量对铣削设备加工时的输出功率和加工时间影响最大,其次是切削速度,影响最小的是背吃刀量。通过构建铣削设备加工能耗的模型,基于铣削实验,得到了不同切削用量对切削设备能耗的影响趋势,分析结果表明,铣削加工时选取大的进给量和背吃刀量,使用适宜的切削速度,可有效的提高铣削机床加工效率,并将能耗降至最低。