薄壁件广泛应用在航空航天和国防工业中,它形状结构较复杂,加工余量较大,整体刚性较差,加工工艺性差,加工过程中易发生变形与振动。研究薄壁件高速铣削加工技术具有重要的理论意义与工程实用价值。论文根据研究的应用背景,针对薄壁件在加工过程中出现的主要技术问题,基于高速铣削加工技术,围绕薄壁件高速铣削稳定性分析、变形预测及误差补偿、表面质量控制、加工增效工艺等问题,对薄壁件高速铣削加工技术进行系统深入的研究。通过对铣削过程的分析,考虑再生颤振对稳定性的影响,建立一维、二维、三维铣削稳定性数学模型。分别采用零阶频域解析法(ZOA法)和半离散法(SD法)对铣削稳定性边界进行求解,得到稳定性叶瓣图,对由这两种方法得到的叶瓣图进行分析,并与试验数据进行比较,验证了叶瓣图的正确性。对侧铣薄壁件时不同位置处的叶瓣图变化规律进行研究,用结构的振动模态解释了此规律的原因。以典型的薄壁件——铝合金镜座的内孔加工为研究对象,阐述了薄壁件高速铣削变形量预测的有限元模拟流程,利用ABAQUS有限元分析软件,研究了薄壁件加工变形预测的建模技术,装夹变形仿真,变形量计算等问题,得到铝合金镜座内孔的加工变形规律。在对加工变形规律认识的基础上,提出了薄壁件加工层次循环误差补偿方案,并通过加工试验对变形规律及误差补偿方案进行了验证。内孔铣削变形量控制在0.025mm以内,证明了所提误差补偿方法是正确和有效的。研究了高速铣削薄壁件加工表面形成机理,推导了表面粗糙度Ra与刀具半径、径向切深等加工参数的关系。用自适应神经网络模糊推理系统(ANFIS)方法对高速铣削表面粗糙度Ra进行预测,阐述了 ANFIS法的模型结构与工作原理,建立了预测模型并对模型进行训练。通过对高速铣削加工试验的结果与ANFIS法预测得到的结果进行比较,测量值与预测值误差在6%以内,从而验证了预测模型的正确性。基于遗传算法对薄壁件高速铣削粗、精加工进行了多目标参数优化。对生产率、生产成本及表面粗糙度进行线性加权,针对薄壁件的粗、精加工阶段设置不同的加权系数。粗加工阶段以生产率和生产成本作为主要优化目标,精加工阶段以表面粗糙度作为主要优化目标。设计变量的编码根据模式定理进行交叉编码。对优化前后的切削参数进行对比,为优选薄壁件高速铣削参数提供了理论方法和试验依据。为了满足高速铣削高切削率要求,提出了模糊控制、在线调节进给量实现恒力切削的方法。模糊控制器输入变量为参考力与实际切削力之差以及二者偏差的变化率,经过模糊化、模糊推理及去模糊运算过程,输出每齿进给量的变化量。其中模糊控制器采用模糊规则在线自调整,输出比例因子在线自适应的控制策略。采用3-3-5-1型BP神经网络建立了数控高速铣削过程模型,输入切削参数,输出为实际切削力。将模糊控制器和BP神经网络两者结合,构建了高速铣削恒力控制模型。该模型通过仿真和实际验证,金属切除率分别提高18%和29%。对于罩壳型腔粗、精加工,利用稳定性叶瓣图选择合适的切削参数;对于整体叶轮,从毛坯、刀具的选择、夹具的设计以及整体叶轮加工工艺流程、数控程序的编制及仿真、试件的加工及测量等方面对薄壁件的加工技术进行应用验证,从而实现薄壁件高效高质、低成本、批量化的高速铣削加工。