铝合金材料在航空发动机叶片、鼓风机叶轮、汽车气缸等加工制造中的应用越来越广泛,其铣削加工过程中的颤振问题严重制约生产效率和质量的提高。对于铣削过程的诊断方法的研究颇具意义。此外,如何实现多种约束条件下多目标参数优化问题也是制造领域研究的热点。针对以上铝合金铣削过程中存在的问题和研究热点,本文建立了球头铣刀铣削力模型,基于完全离散法的二自由度铣削动力学模型和SCA多目标参数优化模型,探究了铣削力信号的时频域颤振特征提取,并应用BP神经网络进行了颤振诊断的研究。铣削力模型可用于铣削力的预测及最大瞬时力的计算,刀具-工件系统的动力学模型便于探究稳定情况下不同铣削参数所产生的影响和设计由稳定到颤振的铣削实验。本课题的主要研究内容如下:（1）通过对刀具几何关系进行离散-积分-求和的方法建立球头铣刀铣削力模型,采用变进给槽铣实验的方法确定了铣削力系数。通过有限元仿真和锤击实验相结合的方式确定刀具、工件及刀具-工件系统的模态参数,建立了基于完全离散法的稳定性预测模型。在稳定性模型指导下探究了不同铣削参数对于铣削力的影响。（2）颤振特征提取采用的主要信号处理方法是变分模态分解,介绍了变分模态分解相关的理论知识,包括其模型的构造和求解过程。探究了变分模态分解重要参数——模态个数K和惩罚因子α对其产生的影响。引入GWO解决了变分模态分解两参数的自动化确定问题。最后提出了一种基于Lempel-Ziv复杂度的参数优化变分模态分解理论。（3）综合借鉴颤振特征提取的理论知识,附加时域的方差特征和频域的能量特征作为颤振诊断的特征输入量,应用一种基于BP神经网络的颤振诊断理论,搭建了颤振诊断系统实验平台并设计了颤振诊断系统的软件。（4）建立了三维微观表面形貌模型,并探究了铣削参数和刀具参数对其产生的影响。建立了基于传统线性回归方法和GWO-LSSVM方法的表面粗糙度预测模型,并对比了两者的预测精度和效率。进行了由稳定到颤振的表面形貌观测实验。建立了基于SCA的多目标优化模型并进行了案例分析,同时对比了多种优化算法对于同一模型的优化性能。