在煤液化工程、钢铁冶炼、石油化工、核电等重大工程项目中,耐高温、耐高压、耐磨损、抗热冲击、抗热腐蚀球阀一直是关键部件之一。为了应付苛刻的工作要求,其阀芯一般以45号钢等材料为基体,利用高速火焰喷涂、等离子喷涂等热喷涂技术,将WC-Co等高硬度材料粉末喷涂在该基体上形成一层强化层,然后进行磨削加工。然而磨削与其他材料加工工艺相比,需要较高的能量输入才能有效切除单位体积材料,容易产生高温影响工件表面质量。虽然针对平面磨削的温度场已经有了比较完备的研究成果,但对于球面磨削温度尤其是碗形砂轮磨削高硬度涂层球面的磨削温度,尚没有展开研究。因此,本文针对碗形砂轮磨削高硬度涂层球面的加工方式,从ANSYS仿真和实验两方面对磨削温度进行研究,并利用神经网络对其进行预测,同时通过改进碗形砂轮来有效降低磨削温度。本文主要研究内容有:利用ANSYS有限元软件对碗形砂轮磨削高硬度涂层球面进行建模,采用APDL语言对工件球面进行旋转圆环面热源加载,模拟碗形砂轮磨削过程,从而获得球面磨削温度场分布。同时通过改变有限元输入参数来研究工件旋转速度、砂轮尺寸以及传入工件热流密度对球面磨削温度场的影响。通过实验方法测量碗形砂轮磨削高硬度涂层球面过程中的球面磨削温度,并将其与仿真结果相比较,验证了有限元模型的正确性。同时分析了磨削深度、工件旋转速度和砂轮旋转速度对球面磨削温度的影响。为了降低球面磨削温度,尝试对碗形砂轮进行分块化处理,发现分块碗形砂轮在同等磨削条件下较常规碗形砂轮有更低的磨削温度。考虑到人工神经网络的非线性逼近特性,建立了基于批训练和Levenberg-Marquardt算法的改进型BP神经网络,并利用正交试验结果作为神经网络的训练样本,从而实现快速预测碗形砂轮磨削高硬度涂层球面的磨削温度来指导实际加工生产中磨削参数的选择。最后,论文对所做的工作进行总结,并对今后的进一步研究方向进行了展望。