车削加工被广泛应用于航空、航天、船舶、化工、汽车制造领域的零部件制造中,是机械制造中最基本的加工方式之一。车削过程中由于工艺系统刚度较弱、加工参数选择不当等原因,颤振时有发生,颤振在降低零件加工精度和表面质量的同时,也会对机床零部件造成巨大的损害,造成加工成本的提高。主轴转速扰动作为一种颤振抑振加工方法,由于实施简单和抑振效果明显等特点得到越来越多关注。本文针对主轴转速扰动车削对工件表面形貌的影响展开了以下工作:提出了基于侧向塑流和相对振动的表面形貌形成机制并进行实验验证,模型考虑了主轴转速扰动条件下转速变化引起的切削力周期性变化带来的影响,利用傅里叶级数展开和工程近似的思想表达工件径向形貌轮廓,从而描述工件整体形貌。实验结果表明,该模型能有效表达初始切削状态为稳定时主轴转速扰动条件下的表面形貌,且描述表面形貌的模型参数和主轴转速扰动参数具有线性相关关系,这种线性相关关系可以为主轴转速扰动形貌预测提供依据。针对实际加工中由颤振转化为稳定的切削场景,提出了基于贝叶斯神经网络的表面粗糙度预测模型,实验结果显示模型可以有效预测初始状态为颤振时主轴转速扰动加工工件的表面粗糙度,误差在5%以内。在此基础上提出贝叶斯神经网络的多起始点同步训练方法,及时停止陷入局部最优的训练过程,提高了贝叶斯神经网络训练的效率。