深孔加工在航天、兵器、汽车等机械制造领域都具有非常广泛的应用,但由于其特殊的加工工艺,深孔加工一直是阻碍机械制造业进一步发展的瓶颈。深孔加工过程中产生的钻削力,特别是是轴向力和扭矩,其大小直接影响到钻削过程中热量的生成,切削刃的磨损,刀具的使用寿命和孔的加工表面粗糙度,而切削参数的选择直接影响到轴向力和扭矩的大小。因此,在切削加工前通过切削参数的设置控制轴向力和扭矩的大小或是根据给定的切削参数对轴向力和扭矩进行提前预测是非常有必要的。本文以BTA钻削为例,利用GABP神经网络分别建立了切削参数的预测模型和钻削力的预测模型,为深孔加工中切削参数的选择,轴向力和扭矩的控制以及预测提供了新的思路,具有一定的理论意义和实际应用价值。本文首先用Deform-3D软件进行BTA钻削仿真,得到了切削参数不同组合情况下的多组轴向力和扭矩数据,为加工参数预测模型的建立以及验证提供了仿真数据。其次基于以上数据利用GABP神经网络建立能够反映BTA钻削钻头直径、轴向力、扭矩与转速、进给量之间映射关系的预测切削参数的网络模型并对该模型进行训练。模型训练完成之后对转速和进给量进行预测,对比预测值和仿真值并计算两者之间的误差,结果表明GABP神经网络收敛速度快,预测误差小,可以很好地学习钻削力和切削参数之间的关系,模型的建立非常成功。最后给定6组BTA钻削的钻头直径、轴向力和扭矩(即期望值),利用该模型预测对应的切削参数,基于这6组预测的切削参数进行钻削实验并测量轴向力和扭矩,将轴向力和扭矩的实验值与期望值进行对比,验证了预测模型的有效性。同时利用GABP神经网络建立了轴向力和扭矩的预测模型,并利用以上6组实验数据验证了模型的有效性,已知切削参数的情况下,可以预测钻削过程中产生的轴向力和扭矩大小。课题研究表明,在给定BTA钻削轴向力和扭矩的情况下可以利用切削参数的预测模型估算对应的转速和进给量,使实际加工时产生的轴向力和扭矩达到期望大小;给定切削参数时,同样可以利用钻削力的预测模型提前预测到钻削过程中轴向力和扭矩的大小。这对深孔加工中加工参数的预测具有一定的理论参考意义和实际应用价值。