主轴系统作为机床的关键部件之一,其静动态性能将直接影响到机床的加工质量和加工效率。随着现代机床加工速度和精度的不断提高,对主轴部件也提出了更高的设计和加工要求。本文以CWZ61200重型机床为研究对象,在保证机床主轴良好的静动态性能的前提下,将有限元分析、遗传算法、人工神经网络、正交试验等方法结合起来运用到主轴的结构优化设计中,实现了主轴重量减轻的优化目标。针对标准BP神经网络在实际应用中的一些固有缺陷及不足,利用遗传算法全局寻优的特点,搜索出机床主轴BP神经网络模型中初始权值和阈值的最优解,得到了改进后性能更佳的神经网络。利用SolidWorks和ANSYS Workbench软件分别完成主轴三维模型的构建及有限元分析,得出其静动态性能参数;选取主轴结构参数和性能参数分别作为输入和输出样本,按照正交试验法设计的结构参数组合,不断修改主轴的三维模型并进行有限元分析,完成了神经网络训练样本集的获取。用上述获取的样本集,对基于标准和改进神经网络的主轴性能预测模型进行训练;将这两种神经网络模型的预测效果进行对比,最终选取改进后的神经网络模型来获取主轴结构参数与性能之间的非线性关系。选取主轴结构参数作为设计变量,性能参数作为约束条件,质量作为目标函数,建立了其结构优化数学模型,其中约束条件中的非线性关系由上述改进神经网络映射得到;利用MATLAB优化工具箱进行求解,最终得到了最优的结构参数组合;将优化前后机床主轴的各项性能参数指标进行对比分析,验证了该优化方法的合理性和可行性。本文提出一种利用改进的BP神经网络来建立机床主轴结构参数与其静动态性能之间的非线性映射关系,并将这种约束关系应用到主轴结构优化设计中的方法。在保证主轴良好的静动态性能的前提下,实现了减重的优化目标。