数控机床应用范围越来越广,能量消耗越来越大,其排放对环境的影响巨大。因此,在国家大力倡导可持续发展的理念下,数控机床作为制造业能量消耗的主要载体,其节能减排的研究迫在眉睫且意义重大。因此,本文选择典型的数控车床进行研究,主要工作概括如下:首先,对数控车床的能耗分布进行实验研究,了解数控车床各阶段对应的能耗子系统组成。并对机床加工能耗最多且受切削参数影响最显著的切削过程进行分析,列出了现有典型的针对切削过程的能耗建模方法,分析了各建模方法的优缺点。其次,基于机床加工状态的能耗建模与算法学习的模型相结合的思想提出数控车床切削过程能耗预测模型。对于各部分的能耗,提出相应的预测评估方法,分别采用平滑滤波法评估基本能耗、多元线性回归法预测主轴与进给轴能耗、改进的基因表达式编程算法(Gene Expression Programming,GEP)预测刀尖能耗与负载功率损耗。为了获得实例预测模型,在典型数控车床CK60上进行了析因实验设计,并采用以上提到的建模思想和评估方法对其切削过程能耗进行了预测,得到基于GEP算法的数控车削能耗实例预测模型。并对模型进行对比分析,验证了提出模型预测精度。然后,针对切削参数能效优化的问题,将建立的数控车床能耗预测模型和加工过程的时间作为指标同时优化,考虑数控车床性能约束和加工实际约束,建立基于能量效率的切削参数优化模型,提出一种改进的多目标教与学优化算法(Teaching-Learning-Based Optimization,TLBO)求解该模型,获得切削参数优化的Pareto前沿解,采用灰色综合评价法进行决策,较客观的选取切削用量。最后,在上述切削参数优化模型和求解方法研究基础上,开发了切削参数优化系统人机交互界面,并以典型数控车床CK60实例进行了验证,为实际生产加工提供支持和决策。本文最后一章对全文所研究的内容进行了总结,并对未来的研究方向进行了展望。