随着航空航天装备的发展，整体叶盘等关键零部件的制造要求不断提升。此类零件多采用钛合金等难加工材料，结构复杂，对数控加工工艺要求极高。当前企业严重依赖人工经验进行参数选取与路径规划，传统的“试切—调整”模式导致工艺开发周期长、成本高、合格率低，制约了高端装备的快速研制与批产交付能力。在此背景下，采用仿真驱动的智能工艺优化成为破解难题的核心路径与必然趋势。因此，本项目拟开展基于遗传算法与虚拟试切的三航难加工零件工艺参数优化方法研究。

本项目主要目标包括：1. 针对传统工艺规划依赖物理试切导致周期长、成本高，以及CAM易忽略切削力约束的问题，研究基于工件刀具几何建模与神经网络的材料去除及切削力仿真方法；2. 针对现有工艺参数优化方法场景适应性差，可优化参数局限性大，且无法对于整条路径范式进行优化的问题，研究基于遗传算法的工艺参数闭环优化系统；3. 针对遗传算法寻优初期收敛速度较慢，仿真算力与时间成本高昂的问题，研究融合大语言模型与遗传算法的工艺参数寻优架构。

虚拟试切方面，建立铣削加工几何仿真评估与切削力计算模型，实现材料去除过程、表面精度及切削力的高精度模拟；遗传算法工艺优化方面，构建了泛用性强、可优化参数广的工艺参数优化系统，同时引入NSGA-II多目标优化策略提高优化性能，实现了对于各类零件路径参数与范式的高效自主优化；大语言模型辅助工艺优化方面，构建了集特征自适应提取、物理认知引导与轻量化直接寻优于一体的工艺参数优化架构，形成低算力开销、敏捷响应且极具工业落地价值的工艺优化范式。