铝合金轮毂的车削工序中普遍存在毛刺缺陷,毛刺不但严重降低轮毂表面的美观度,还会导致后续喷漆工序中漆膜无法完全覆盖,毛刺过大的轮毂一般被判定为残次品。目前轮毂制造企业主要通过添加去除毛刺工序的方式来解决轮毂切削毛刺问题,这种方法既增加了产线的人工成本、时间成本以及设备成本,还阻碍了产线的智能化、无人化发展进程。本文以实现轮毂切削毛刺的主动抑制为目标,开展了轮毂切削毛刺形成机理、无毛刺切削方法、毛刺尺寸预测模型构建、毛刺尺寸主动抑制方法等关键问题研究,为轮毂制造企业解决铝合金轮毂切削毛刺问题提供了理论基础与技术支撑。主要研究内容包括:（1）建立轮毂断续车削毛刺形成机理模型,明确关键影响因素。针对轮毂断续车削毛刺的基本特征进行分析,基于弹塑性理论与切削力学建立毛刺形成过程的理论模型,对各剪切区内的应力状态进行研究;构建毛刺形态及尺寸的解析模型,给出影响毛刺形态及尺寸的关键因素,为无毛刺切削方法和毛刺尺寸主动抑制方法研究奠定理论基础。（2）构建轮毂无毛刺切削模型,实现无毛刺切削。基于对毛刺形成过程的理论分析建立出口方向无毛刺切削模型,量化轮毂出刀面角度与无毛刺切削状态的数值关系;基于切削仿真分析观察各剪切区的应力云图及毛刺形成动态过程,获得出刀面角度对毛刺形态的影响关系;通过切削实验实现无毛刺切削,验证无毛刺切削的可行性与临界出刀面角度的预测值。（3）针对无法满足无毛刺切削条件的轮毂,开展毛刺尺寸主动抑制方法研究。构建A356.2铝合金的Power-Law本构模型,基于力学试验结果对模型进行改进并应用该模型对A356.2铝合金进行切削仿真分析;结合切削仿真结果与切削实验结果分析各因素对毛刺尺寸的影响规律,研究仿真数据与实验数据的相似特征,为构建毛刺尺寸预测模型的新方法提供依据。（4）构建深度迁移学习模型,实现毛刺尺寸精准预测。提出一种基于深度迁移学习融合仿真与实验数据的毛刺尺寸预测模型构建方法,解决毛刺实验样本大规模获取难题。通过构建一维残差网络对仿真数据中因素对毛刺尺寸的影响特征进行学习,基于迁移学习方法对学到的特征进行迁移,并融合到实验数据的训练模型中,构建毛刺尺寸预测模型,为毛刺尺寸主动抑制奠定坚实的基础。（5）基于毛刺尺寸预测模型与启发式算法实现轮毂毛刺尺寸主动抑制。针对轮毂切削工况进行分析,针对主轴转速限制条件制定轮毂切削毛刺优化策略;使用改进的哈里斯鹰优化算法对构建的毛刺尺寸黑箱模型进行优化,得到毛刺尺寸最小时各影响因素的取值;通过切削实验对比分析优化前后轮毂切削毛刺尺寸,验证本文切削毛刺尺寸主动抑制方法的效果。