随着新能源的开发和利用,风能发电逐渐成为新的焦点。风电轴承套圈作为风电设备的关键基础零件,决定着整个风电设备的工作效率和服役时间。工程实践表明轴承套圈主要的失效形式是疲劳和磨损,且主要发生在表面层。超声滚挤压技术作为一种新型的特种加工技术,可以有效提高材料表面质量。开展风电轴承套圈超声滚挤压表层物理力学性能的研究,探究超声滚挤压对风电轴承套圈表层物理力学性能产生影响的宏观和微观机理,确定残余应力和加工硬化的数学物理关系,分析各加工参数对风电轴承套圈表层物理力学性能的影响规律,实现加工参数的优化,对提高风电轴承套圈的表面质量具有重要作用。结合金属流动、位错运动,分析超声滚挤压表层物理力学性能产生的宏观和微观机理。基于显微硬度压痕原理,建立残余应力和加工硬化关系的数学模型,利用Deform-3D软件进行超声滚挤压仿真,分析残余应力和等效应变在空间的分布和变化。结果表明,金属流动是引起表层物理力学性能变化的宏观机理,由于受到静压力和振幅冲击作用而引起的位错运动是微观机理;在应变初期材料位错密度逐渐增大导致金属强度增加,残余应力和加工硬化程度增加;残余应力和加工硬化之间可以通过残余应变建立一定的关联;仿真结果显示残余应力、等效应变沿层深方向逐渐减小,残余应力层深1.5mm,等效应变层深0.5mm。利用超声试验平台进行风电轴承套圈强化试验,借助XSTRESS3000残余应力测量仪、维氏硬度测量仪测量沿层深方向的残余应力和显微硬度,探究加工参数对残余应力和显微硬度的影响规律。结果表明,转速、进给速度的增大使残余应力减小,静压力和振幅增大使残余应力增大;显微硬度与静压力、转速、振幅呈正相关,与进给速度呈负相关;残余应力和显微硬度均随着层深的增加而递减;残余应力层深和硬化层深分别为1.3mm和0.5mm。基于遗传算法,改进BP神经网络预测模型,运用Minitab设计正交试验数据进行反复训练和验证,确保GA+BP神经网络预测模型的准确性,实现对不同加工参数的结果预测。研究表明,经优化的神经网络预测模型,目标均方误差小于0.01;加工参数的预测值和试验值进行比较得出:残余应力最大误差为4.04%,平均误差3.215%;加工硬化最大误差5.21%,平均误差3.26%,表明预测模型具有较高准确度。利用数据分析软件Design expert10,建立响应曲面优化模型,对正交试验数据进行优化分析,确定适合残余应力的多元回归方程、适合加工硬化的两因素交互方程,在合理的参数范围内对各加工参数进行优化,选择利于获得最佳表层物理力学性能的加工参数组合,并用试验数据对优化参数进行验证。结果表明,最佳参数组合下残余应力和加工硬化预测值与试验值的平均误差4.59%,优化模型较准确。