切削力是影响车削加工工件质量的重要因素,本文首先从工程应用方面研究了基于人工神经网络的静态切削力预测方法,借助于MATLAB软件工具箱提供的列文伯格-马夸尔特神经网络算法并通过对比实验,总结出训练样本数量与切削力预测精度之间的关系,为应用人工神经网络预测切削力提供了依据。在切削力经验公式中,公式参数直接影响切削力公式的精度,为此,本文提出了一种利用遗传算法优化切削力公式参数的方法,在后续的研究中,该方法还被用于粗糙度指数公式中参数的优化。轴类零件是车削加工的一项重要内容,本文以轴类零件为研究对象,对其加工质量预测进行了研究。研究内容包括直径误差和表面粗糙度两个方面:按照加工工件不同的装卡方式,分析了影响工件直径误差的主要因素,建立了轴类工件加工直径误差预测模型,并通过切削实验确定了工件表面粗糙度不同预测方法的精度和适用范围。通过分析物理仿真数据库和几何仿真数据库的不同内容,提出了扩展数据库和新建数据库两种系统共享数据库构建模式,建立了基于开放式系统的层次化数据库,实现了轴类工件车削加工直径误差和工件表面粗糙度的预测。提出了“离散节点输出”的系统结果输出方法用于表示工件的加工直径,并在此基础上提出了基于预测的车削加工直径误差离线补偿的思路和实现方法。为了合理选择刀具,开发了面向不同用户的智能刀具选择模块。在总结切削用量优化选择方法的基础上,根据不同加工工序的特点,分别建立约束模型,实现切削参数的优化。提出了层次化的数控车削加工仿真系统结构,以数控车削加工过程几何仿真为基础,开发了数控车削轴类工件加工质量预测和切削参数优化选择模块,实现了虚拟数控车削物理仿真与几何仿真的集成。提出了虚拟车削系统个性化订制的方法与内容,并通过切削实验验证了系统的可靠性以及基于预测的轴类工件直径误差离线补偿方法的可行性。