H13钢具有高抗压强度、高硬度、良好的耐腐蚀性、耐磨性和耐热性等特点,因此常被当成热处理工艺的模具制作材料,由于其工作条件复杂,通常具有高温、高压和周期性载荷等复杂特点,因此容易发生磨损、裂纹、折断、疲劳及塑性变形等失效。除了提升材料性能、改进模具结构和完善热处理工艺等措施以外,国内外的研究学者也将提高加工表面质量作为提升模具使用性能和服役寿命的重要手段。H13的硬度较高(通常大于50HRC),因此在传统的车削、铣削加工过程中刀具的磨损较快。刀具磨损后,其几何外形逐渐发生变化,直接影响加工过程中的状态量和加工表面完整性。因此,系统性的研究刀具磨损形貌演变过程和掌握磨损形貌对零件表面形貌的影响规律,不仅可以提升H13钢的加工效率和经济性,更能够通过表面质量提升零件的使用寿命和可靠性,对于H13钢加工技术的提升具有重要意义。本文以H13钢车削过程中刀具磨损演变过程和零件表面粗糙度为主要研究内容。首先,建立了 H13钢车削加工过程中三维刀具磨损形貌预测模型,其中刀具磨损形貌由节点位移直接移动呈现,而节点位移值(即磨损量)则是通过有限元输出值和磨损率方程确定。通过与实验结果对比表明,三维刀具磨损形貌预测模型能够较为准确的预测出刀具磨损形貌。其中,仿真结果中前刀面上磨损区域长度与实验结果具有较好的一致性,而在磨损区域深度的预测中,仿真值与实验值有一定的误差。这是由于部分切屑材料在高温高压下粘结在刀具前刀面,造成前刀面高度增加,这与仿真中假设“刀具磨损是刀具材料损失过程”相违背。后刀面与已加工表面高温高压下的磨粒磨损是引起后刀面磨损的主要原因,其仿真预测结果与实验结果较为一致。其次,利用建立的考虑磨损形貌的车削加工有限元模型研究磨损后刀具几何外形变化对加工过程及零件表面粗糙度的影响。总结不同工艺参数情况下刀具磨损规律,并且结合刀具磨损演变过程,探究刀具磨损形貌对加工过程中状态量(切削力、切削温度、应力分布、温度分布和摩擦系数等)及表面粗糙度的影响规律。结果表明:前刀面磨损后会引起前刀面应力分布和应力方向发生变化,造成真实切削前角增大和最大等效应力增大,前刀面上严重的磨损会造成应力集中、切削刃变形、断裂及折断等损坏。后刀面磨损引起接触面积增大及切削温度的升高,较严重的后刀面磨损由于粘结和摩擦作用增强,引起加工表面质量下降。最后,利用仿真和实验数据,基于BP人工神经网络模型,以工艺参数、刀具几何模型参数及刀具磨损形貌特征参数为输入量,结合Levenberg-Marquardt算法,建立基于神经网络模型的加工表面粗糙度预测模型。通过与实验结果对比,改进的人工智能神经网络具有较快的收敛速度,在较少的训练数据情况下,仍然具有较好的泛化能力和较高预测精度。