随着现代加工产品对各零件的精度以及成本等要求逐渐提高,数控加工已成为越来越广泛的机械加工方法。然而,高速加工零件过程中会出现颤振的现象,不仅会导致机床的加工效率降低,还会对机床的本身以及铣刀产生巨大的损害。目前,判别机床是否发生颤振最有效的方法就是绘制稳定性叶瓣图,本文主要以机床铣刀几何参数对切削稳定性叶瓣图与无颤振工艺参数的影响为研究对象,提出了一种基于智能算法下的数控机床多因素下铣削稳定性预测与优化研究方法,为切削加工振动的理论研究与实际工程运用提供参考。由于机床自身、铣刀更换以及加工工艺参数等多因素都会对机床铣削效率和加工成本产生一定的影响。然而传统的切削加工稳定性研究尚未考虑铣刀几何参数对颤振稳定性的影响,从而导致选择合适的铣削工艺参数的不确定性。基于上述问题,本文主要进行动态铣削力建模和颤振稳定性分析,可得到整个加工系统的颤振稳定域叶瓣图,从而进行铣削稳定性建模分析与加工工艺参数优化研究,本文的主要研究内容如下:首先,研究国内外学者对颤振稳定性的见解以及基于颤振问题所带来的影响,并在此理论基础上作进一步研究。分析铣削系统的振动机理,来建立对应的动态铣削力模型。接着考虑铣刀几何参数（刀具直径和悬伸长度）对铣削稳定性的影响,在此基础上,提出了各因素组合下的铣削稳定性叶瓣图的绘制方法,也为后续选择合适的铣削加工工艺参数奠定基础。其次,针对切削加工过程中机床坐标、刀具直径、刀具悬伸量和切削参数对铣削稳定性的影响状况,来分析随着多因素改变下的铣削颤振稳定性叶瓣图的变化情况。基于此,本文根据规划出的正交实验设计方案,提出了多因素组合下的机床铣削稳定性预测方法。首先需要采用模态锤击实验,获取每把铣刀基于正交实验设计下的各加工位置处的刀尖频响函数。进而结合智能切削稳定性的预测算法构建以各向运动部件位移、刀具直径、悬伸长度、主轴转速、切削宽度、每齿进给量作为模型的输入,以极限切削深度作为输出的引导聚集算法（Bootstrap Aggregating,Bagging）集成学习回归预测模型。并通过对比其他预测算法的结果来进一步验证该算法的精确性。最后,本文将建立好的引导聚集算法回归预测模型作为稳定性约束,并采用带精英策略的快速非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-II,NSGA-II）进行铣削稳定性优化研究。建立以机床主轴坐标、刀具直径、刀具悬伸量和切削参数作为优化变量,以最大材料切除率和刀具寿命为多目标集成优化模型。通过PYCHARM软件对该优化模型进行求解,可得到Pareto最优解集,并结合基于熵权法的TOPSIS模型从Pareto最优解集中选出最佳优化配置,从而结合铣削实例分析来验证该优化配置的准确性。