随着科技的不断发展,先进制造技术融合了各种高新技术成果,对制造业起着重要的作用。切削加工技术是先进制造技术的重要组成部分,刀具作为直接执行者对于产品质量、生产成本和生产效率等起着重要的作用。因此,对于刀具的研究也越来越深入。刀具钝化能够有效地去除刀具表面微观缺陷,提高刀具表面质量,进而提升切削性能,并且能够显著地改变刀具刃口微几何结构,从而对切削力、刀具磨损和加工表面质量等产生重要影响。刀具钝化的刃口形状比较复杂,可能是对称的,也可能是非对称的,并非规则的圆弧,刃口尺寸属于微米级。因此,研究非对称刃口钝化对切削性能的影响具有重要的科学意义和实际价值。本文研究了非对称刃口钝化对切削力、刀具磨损和加工表面质量的影响。首先,采用双磁盘磁力钝化方法进行刀具钝化正交实验,研究了磁盘间距、磁盘转速、刀具转速和钝化时间对刃口前后刀面钝化量的影响规律,为后续研究中不同形状因子刀具的制备提供依据。其次,针对刀具非对称刃口形貌的复杂性,提出采用两段标准圆弧进行表征的方法,同时考虑到由刃口作用产生的犁耕力,提出以直线代替后刀面圆弧作为等效后刀面的方法,并基于滑移线场基本理论,综合考虑切削过程中刀具刃口处产生的犁耕及剪切现象会随着切削厚度的变化而变化的特点,提出非对称刃口钝化刀具切削过程中所经历的不同切削阶段,建立刀具非对称刃口瞬时铣削力模型,通过与铣削实验进行相关性及误差对比,并对剪切力与犁耕力占比进行分析,验证了铣削力模型的正确性。然后,通过铣削实验研究了形状因子对后刀面磨损的影响规律,并采用扫描电镜（SEM）检测和能谱分析（EDS）,对不同形状因子刀具的刃口崩刃、粘着磨损和氧化磨损等机制进行分析;根据铣削加工特点,获得加工表面轮廓图,通过分析刀尖运动轨迹研究了形状因子对加工表面粗糙度和残余应力的影响规律。最后,基于机器学习方法,通过采集切削过程中包含刀具磨损信息的切削力信号,采用堆叠稀疏自编码网络模型对信号进行特征提取,并将提取的数据特征及对应的刀具后刀面磨损值作为数据集,建立了基于BP神经网络的堆叠稀疏自编码网络模型（SSAE+BPNN）,有效地实现了非对称刃口钝化刀具的磨损预测。与传统的基于人工选取数据特征的BPNN和支持向量回归模型（SVR）进行对比,验证了所提出模型（SSAE+BPNN）的优越性。