淬硬钢精密切削加工已成为制造业关键技术,淬硬钢以车代磨因其环保并且加工质量高的特点被广泛应用,而现代机械加工的特点是高速切削、加工精度高,伴随车削速度的提高促使加工过程中的振动现象变为剧烈,进而导致工件表面的质量下降。振动的幅度越大,加工表面的质量越差且刀具磨损越严重。本文以淬硬钢精密车削为背景,研究其加工过程中切削参数对振动振幅影响特性,通过试验分析振动振幅影响因素并建立振动振幅预测模型,以及对考虑振动振幅影响的切削参数优化。首先,运用正交分析法对切削速度、进给量、切削深度、刀尖圆弧半径进行组合,采用PCBN刀具在CAK4085数控车床上进行淬硬钢车削试验,采集不同切削参数下刀具相对工件的振幅,分析各参数对振幅的影响规律。其次,利用MATLAB建立BP神经网络振动振幅预测模型,通过网络模型的误差对比选择最优的学习算法、训练函数、学习函数。将采集的振动振幅数据预处理,利用处理后的数据训练BP神经网络建立淬硬钢车削振动振幅预测模型,预测模型经误差验证满足实际应用要求。为简化实际应用的操作性,建立了基于MATLAB人机交互界面的振动振幅预测系统。第三,以多元函数求极值为理论基础,借助均匀设计方法组合切削试验参数,建立以切削参数为因素的多目标优化数学回归模型,进行以表面粗糙度最小、刀具振动振幅最小、白层厚度最小、残余应力最小及刀具寿命最大为目标的切削参数优化,为提高淬硬钢车削表面质量及刀具使用寿命提供理论参考。