铰珩集铰孔、珩磨优势于一身,与航空发动机燃油喷口高精度、高效、高一致性的加工要求完美匹配。铰珩加工精度很大程度上取决于工具的精度,必须对工具进行精密修整。由于航空发动机燃油喷嘴副喷口直径小于1mm,因此相应的铰珩工具长径比大,刚度弱,若采用固结磨料工具的方法(如金刚石滚轮或碟轮修整)进行修整,则铰珩工具单边受力会引起变形,无法保证修整精度。铰珩加工时工具周向受力均匀,考虑到铰珩工具加工小孔零件时出现机械磨损,将小孔零件作为修整工具,从而实现铰珩工具的修整,是现阶段较为可行的铰珩工具精密修整方法。为了指导修整工艺的优化,需要揭示铰珩工具修整时的工具表面形貌演变机理。由于铰珩工具上磨粒随机分布、磨粒出露高度和磨粒位姿不确定,使得整个铰珩工具的修整研究十分复杂。有鉴于此,本文采用单颗磨粒切削的方法,制作芯轴并将其作为修整工具,从而实现单颗磨粒的修整。研究铰珩工具修整时单颗CBN磨粒的磨损特性,并基于改进后的BP神经网络算法,建立单颗CBN磨粒磨损体积预测模型,为铰珩工具的自动化、智能化修整提供试验基础。本文开展的研究工作内容如下:(1)设计了单颗磨粒切削试验,研究了4Cr13和YG8作为修整工具时CBN磨粒的磨损特性,切削4Cr13时磨粒的平均磨削比为143000,切削YG8时的平均磨削比为882;从修整效率的角度优选YG8作为修整材料。(2)根据优选的修整材料,进一步采用光滑粒子流体动力学法(SPH)建立了单颗CBN磨粒切削YG8的仿真模型,并进行试验验证。揭示了磨粒的磨损形式和形貌演变过程,并对磨粒磨损体积的影响因素进行了显著性分析。揭示了工艺参数对磨粒磨损的影响规律,建立了磨粒磨损体积与磨粒切削截面积的关系公式。(3)使用BP神经网络建立了单颗CBN磨粒切削YG8的磨损体积预测模型,并针对标准BP神经网络收敛速度慢的问题,从学习率和激活函数的角度,对其进行了改进,提出了学习率自适应BP神经网络和添加附加项的BP神经网络。在测试集磨损体积最大预测误差不超过10%的前提下,改进后的BP神经网络提高学习效率45%。