随着德国“工业4.0”和中国“制造2025”的提出,制造业信息化、智能化成为当今制造业主流。智能数据库作为智能制造业发展的必然趋势,已成为提高制造业加工效率、加工质量、降低生产成本的重要途径之一。汽车行业是制造业的支柱行业,而汽车车身的主体是汽车覆盖件,车型的更新周期缩短,更新换代常伴随着大量模具的更换。本文针对汽车覆盖件模具型面复杂、加工工序多的特点且在制造过程中信息共享程度低、参数选择依赖经验性强、难以预测结果、加工效率低等问题,建立了基于WEB的汽车覆盖件淬硬钢模具加工智能数据库,研究了数据挖掘技术的理论和应用,为提高加工效率、降低生产成本提供理论指导和数据支持。首先,对数据库数据前处理的整体流程进行研究。针对切削数据种类多,相互影响因素复杂的特点,结合实例研究了切削数据的前处理流程,得到了数据来源、数据探索、数据预处理的方法和流程。其次,对切削数据预测方法进行了研究。采用有限元软件建立了铣削仿真模型,根据Cr12Mo V平面铣削实验验证了有限元仿真的可信度;结合回归分析法和GA-BP神经网络预测法,建立了铣削力预测模型,将预测结果和实验结果对比分析,验证了预测模型的可信度。再次,进行了切削数据优化研究。采用NSGA-Ⅱ算法建立了切削过程优化模型,通过Cr12Mo V模具钢曲面铣削实验,分析了铣削参数对铣削力及表面粗糙度的影响规律,以铣削力、表面粗糙度和材料去除率为目标函数,采用NSGA-II算法进行多目标优化,并通过实验证实了模型的有效性,最后,通过分析汽车覆盖件模具数据库的整体功能需求,结合数据挖掘技术的理论和方法,以JAVA和MYSQL为基本开发工具,以JAVA中的轻量级框架组合Spring MVC+Spring+Mybatis为基本框架,开发了WEB智能汽车覆盖件模具数据库系统,阐述了数据库系统的各功能模块和操作流程。