冷作模具钢因其硬度高、耐磨、具有较高的抗压强度和良好的回火性能,在模具制造中得到了广泛应用。车削是传统的机械加工过程中常用的加工方法。切削参数的选择与切削力、切削温度和表面残余应力密切相关,其关系到产品的机械性能和装配性能。因此,对加工过程中的切削参数进行优化,近些年来已经成为机械制造领域中的一个重要研究课题。首先利用有限元技术建立了立方氮化硼(Cubic Boron Nitride,CBN)刀具干式车削Cr12Mo V的三维加工模型,以切削参数切削速度、进给量、切削深度和刀尖圆弧半径为变量采用正交实验法设计了仿真方案,并得到以切削力、切削温度和表面残余应力为研究目标的仿真数据,从而得出了上述四个切削参数对于三个研究目标的影响规律。随后对切削力、切削温度和表面残余应力进行了预测分析,分别建立了三个研究目标的人工神经网络预测模型与多元线性回归预测模型。结果显示人工神经网络预测模型与多线性回归预测模型的最大误差分别为7.84%与71.5%,前者具有更高的预测精度。最后在切削参数寻优部分,先通过信噪比对切削力、切削温度和表面残余应力进行了单目标分析,得出影响其变化的主要因素分别为切削深度、切削速度和进给量,并得到了单独考虑切削力、切削温度和残余应力时的最优加工参数组合。随后在多目标优化中,通过矩阵分析方法得出了切削参数对上述三个研究指标的综合影响从高到低依次为切削速度、切削深度、进给量和刀尖圆弧半径,并利用遗传算法改进后的神经网络进行了多目标参数优化并得出一组最优加工参数组合。研究为CBN刀具硬态干式车削Cr12Mo V切削参数的制定提供理论支撑,对实际生产加工具有指导意义。图33幅；表9个；参106篇。