蠕墨铸铁作为一种综合性能优于灰铸铁的材料,在汽车行业的应用受到广泛关注。但是对蠕墨铸铁的动态力学行为和切削仿真研究较少。本文研究了蠕墨铸铁GJV450材料在高温高应变率下的动态力学行为,建立了 GJV450的J-C本构方程,并进行了仿真研究;研究了 PCBN刀具高速铣削蠕墨铸铁时的刀具磨损和已加工表面完整性:利用蚁群算法优化的BP神经网络优化了蠕墨铸铁的铣削参数。通过霍普金森压杆实验,获取了 GJV450高温高应变率下的动态力学行为,发现GJV450存在明显热软化效应,并且与应变率无关;GJV450在不同温度下存在着应变率强化效应和应变率弱化效应,说明材料不同应变率下的流动应力受温度影响。采用J-C本构方程对GJV450的动态力学行为进行拟合,建立了GJV450高温高应变率下的J-C本构方程,实验验证了该本构方程的有效性,并进行了切削仿真研究。研究了 PCBN刀具铣削蠕墨铸铁时的切削力、切削温度、刀具磨损和表面完整性。结果表明,切削力随进给量变化明显,与切削温度的变化规律基本一致;在小进给量条件下,切削力和切削温度随切削速度的增加而增大,在大进给量条件下则变化不明显。PCBN高速铣削蠕墨铸铁的刀具失效形式为后刀面磨损,刀具寿命随着进给量的增大和速度的增大而减小,但在大进给量条件下的材料去除体积大于小进给量条件下的去除体积。PCBN刀具高速铣削蠕墨铸铁的刀具磨损机理主要是粘结磨损和扩散磨损。切削速度对已加工表面形貌和表面粗糙度的影响较小,进给量对已加工表面形貌和表面粗糙度的影响较大。显微硬度随着进给量的增大而增加,在小进给条件下显微硬度随切削速度的增大而持续增大,在大进给条件下则由于热软化效应的抵抗和刀具磨损的影响,导致显微硬度随切削速度的增大而呈现出先增大后减小再增大的趋势。设计了 BP神经网络模型,利用课题组的实验数据分别训练了 BP神经网络和蚁群算法优化的BP神经网络,发现蚁群算法优化的BP神经网络运算效率高于BP神经网络。最后进行了实例优化。