再生效应引起的铣削颤振,是制约加工效率和工件质量的主要因素之一。准确高效地识别铣削颤振的稳定域,是抑制颤振、提高生产效率的关键步骤。为此,根据铣削振动微分方程,利用柯特斯积分法(Cotes Integration Method,CIM)提出一种新的铣削稳定域预测方法。利用CIM获得主轴转速-轴向切深平面二维稳定性叶瓣图(Stability Lobe Diagram,SLD),与半离散法(Semi-discretization Method,SDM)和全离散法(Full-discretization Method,FDM)等方法进行比较,结果表明CIM的收敛性更优。考虑径向切深的影响,建立三维SLD的迭代计算方法,通过等效地离散三维SLD曲面为节点集合,随机以90%的节点作为训练集,构建轴向切深与主轴转速、径向切深之间的神经网络预测模型。10%验证集的预测结果表明神经网络的预测误差不超过6%。以材料去除率为效率目标,刀具寿命为成本目标,建立稳定铣削多目标优化模型并应用基于分解的多目标进化算法(Multiobjective Evolutionary Algorithm Based on Decomposition, MOEA/D)求解,为获得高效率、低成本的最优铣削参数提供基础理论和技术支撑。