大型汽车覆盖件模具是汽车生产的关键工艺装备，汽车车身成本占到汽车总成本的3成到5成，车型的更新与改进都需要更换大量模具。传统的模具制造过程中存在信息共享程度低、依赖经验性强、难以预测结果、工作效率低等问题。随着信息与数据技术的发展，具有加工工艺和刀具知识的数据服务系统方便对覆盖件模具加工信息进行归纳汇总，对工艺参数进行优化，从而提升模具加工中刀具利用效率、降低加工成本，最终提高模具制造的速度和质量。本文基于模具加工特征，对加工过程中切削参数对加工结果的影响规律进行了研究，并对切削参数进行优化，为汽车覆盖件模具加工基础技术数据库提供理论指导与数据支持。　　对汽车覆盖件模具加工特征进行了分析，针对模具加工特征，建立了铣削有限元仿真模型，研究加工不同特征切削参数对切削力的影响规律；采用BP神经网络技术，通过对切削参数进行网络训练、建立BP神经网络预测模型，对切削力和刀具磨损进行预测。　　进行了 Cr12MoV模具钢铣削实验研究，分析了切削参数对切削力和表面粗糙度的影响规律，验证了有限元铣削力预测模型及 BP神经网络预测模型的准确性，为数据库的建立提供了数据支撑。　　建立了基于最低生产成本优化目标的切削参数优化模型，包括优化变量的设计、目标函数的选择、约束条件的建立等。基于模具钢铣削加工参数建立了遗传算法优化实例，并通过 C＃程序实现与数据库的连接。采用 SQL Server2008数据库软件、C＃编程语言和Visual Studio2008开发平台，建立了汽车覆盖件模具切削数据库系统。