随着现代机械加工技术的不断进步,机械行业不再满足于单纯的“能加工”,而是要求高精度、高效率的加工过程,加工方式也逐步向着自动化、智能化方向迈进。铣削加工是重要的机械加工手段,加工过程中,铣削工艺系统的动刚度与切削颤振密切相关,对加工精度和工件表面质量有着重要影响。目前国内外学者通过有限元仿真和解析计算在一定程度上均得以实现动刚度的获取,然而在有限元建模时,所建模型难免与实际工况有所出入,而解析计算又略显繁琐复杂,因此探究一种能使得获取铣削工艺系统动刚度的过程更加简洁有效、所获得值更符合实际工况的方法,对于动刚度的研究而言是很有意义的。数据挖掘是目前获取所需信息的重要手段,也是实现自动化、智能化的重要途径。为得到较为精确且更符合实际工况的铣削工艺系统动刚度计算方法,本文以数据挖掘为手段,针对铣削工艺系统动刚度获取不便的问题,深入分析了铣削力、切削工艺参数、温度、振动、表面质量等数据间的内在联系,采用聚类分析和相关性分析相结合的方法对影响铣削刀具系统动刚度变化的不同情形进行分类归纳,最终通过数据建模拟合了符合实际工况的铣削工艺系统动刚度计算公式,从而为确保生产质量、减少颤振发生提供了较为准确的工艺参数选取依据。具体研究内容为:（1）设计完成复合铣削实验,通过铣削力监测、振动监测、温度监测、粗糙度检测和铣削加工来获取相应的实验数据,并对其进行合理的预处理。（2）对预处理后的数据进行初步分析,获取铣削力、切削工艺参数、温度、振动、表面质量这五种数据自身具备的规律及其相互间的联系,从而防止在后续处理过程中由于数据的可观测性发生变化而损失部分数据信息。（3）对数据进行聚类分析,将数据量较大的样本按照一定的规则分为不同的小类,避免后期将规律特征不同的数据按照同种方法进行建模引起误差较大、精度不够等问题;对分类后的数据进行相关性分析,找到各类数据独有的特征信息,并将其重新归纳,便于后续的数据拟合。（4）通过多元线性回归分析、RBF神经网络和非线性曲线拟合三种方法进行数据建模,获得动态铣削力和动态位移的计算公式,通过求两者关于时间的偏微分的比,得到了铣削工艺系统动刚度的表达式。最终根据由此求得的铣削工艺系统动刚度的最小值是否满足刚度要求来判断此时所选的切削工艺参数方案是否合理。