1.一种切削阶段数控车床加工参数节能优化方法，其特征在于：具体步骤为：步骤一、建立切削加工阶段的能耗和加工时间模型，选取加工参数中的切削速度、进给量、背吃刀量为优化变量，初始化蚁群位置和信息素；

步骤二、计算蚂蚁位置和信息素浓度，找到迭代中切削能耗单目标函数的最小解，再将最小解蚂蚁的位置作为本次迭代中其余蚂蚁的移动方向，进行全局搜索；

步骤三、在步骤二所述的最小解蚂蚁的周边进行局部搜索，得到的局部搜索的解与步骤二所述的最小解相比较，如果局部搜索的解更小，将最小解更新为局部搜索的解；否则，沿用步骤二所述的最小解；

步骤四、在全局搜索和局部搜索后更新每只蚂蚁留下的信息素；

步骤五、保存每次迭代的最小解蚂蚁位置，判断是否满足终止条件，若不满足，返回步骤二继续计算；若满足，则输出蚂蚁位置，得到最优车削参数。

2.根据权利要求1所述的一种切削阶段数控车床加工参数节能优化方法，其特征在于：建立切削加工阶段的能耗模型Ec：式中各标号为：T为切削时间，Cp为切削功率系数，vc、f、ap分别为切削速度、进给量、背吃刀量，w、y、x分别为各参数对切削力的影响程度系数；

单工步加工一次走刀过程中切削参数不变，能耗模型Ec简化为：T表示实际切削阶段中在一个工步内刀具去除材料所消耗的时间，其与进给速度f和工件长度L有关，表示为：

将加工能耗Ec和加工时间T进行归一化处理，归一化处理后的切削能耗单目标函数表达式为：

F(ap,f,vc)＝a1Ec*+a2T*   ④*

其中， T 分别为归一化后的加工能耗、加工时间数值，a1、a2分别为加工能耗和加工时间的决策权重，且a1+a2＝1。

3.根据权利要求1或2所述的一种切削阶段数控车床加工参数节能优化方法，其特征在于：预先对切削速度、进给量和背吃刀量进行范围约束。

4.根据权利要求3所述的一种切削阶段数控车床加工参数节能优化方法，其特征在于：范围约束具体步骤为：

(1)切削速度vc约束

切削速度vc与机床主轴速度n之间存在计算公式：式中，D是工件直径。

机床主轴转速n必须介于机床最高转速nmax和最低转速nmin之间，则切削速度vc的约束条件为

(2)进给量f约束

进给量f必须在机床允许的最小进给量fmin和最大进给量fmax之间，即：fmin≤f≤fmax    ⑦(3)背吃刀量ap约束

背吃刀量ap介于最小背吃刀量 和最大背吃刀量 之间，即：

5.根据权利要求3所述的所述的一种切削阶段数控车床加工参数节能优化方法，其特征在于：加工参数选取还满足表面粗糙度要求，表面粗糙度表示为：式中，rε为车刀刀尖圆弧半径。

6.根据权利要求1所述的一种切削阶段数控车床加工参数节能优化方法，其特征在于：步骤一中，初始化蚁群位置和信息素包括：设定蚂蚁数目m，迭代次数K，令Xi(i＝1,2,3)分别表示切削速度、进给量、背吃刀量三个变量：

T T

(X1 X2 X3) ＝(vc f ap)    ⑩优化变量i对应取值范围为[ai,bi]，令第j只蚂蚁在变量i的定义域内随机取值：式中，j＝1,2,……,m；

则第j只蚂蚁的位置为：

设置初始信息素浓度为：

式中，a为大于1的常数。

7.根据权利要求6所述的一种切削阶段数控车床加工参数节能优化方法，其特征在于：步骤二中，全局搜索包括：

在一次迭代完成后，找到本次迭代中使切削能耗单目标函数F(Xi)最小解，将最小解蚂蚁的位置Xbest作为其余蚂蚁的移动方向：首先建立全局转移概率P0：式中，k为当前迭代步数；

再建立自身转移概率P(j)：转移步长为：

式中，Len(i)代表参数区间分割长度，即

8.根据权利要求7所述的一种切削阶段数控车床加工参数节能优化方法，其特征在于：步骤三中，局部搜索包括：在最小解蚂蚁的位置Xbest的周边内寻优，以期望找到使切削能耗更小的解：

式中，ω为局部搜索步长，δ为初始步长；

ω能动态更新，随着迭代次数增加而减小：局部搜索结束后，比较并确定本轮迭代中两种搜索方式作用后的最小解，如果更小，更新最小解；否则，沿用之前最小解。

9.根据权利要求8所述的一种切削阶段数控车床加工参数节能优化方法，其特征在于：步骤四中，信息素更新还改变信息素挥发系数的更新策略，当第k代蚂蚁完成本次全局搜索和局部搜索后，更新每只蚂蚁留下的信息素，改变信息素挥发系数ρ的更新策略，信息素更新规则为：

式中，Δτ(i)为蚂蚁在更新过后的位置上的信息素浓度。

10.根据权利要求8所述的一种切削阶段数控车床加工参数节能优化方法，其特征在于：步骤五中，保存每次迭代的最小解蚂蚁位置Xbest，直到迭代终止，找出最优切削参数Xbest：