该文首先介绍了高速切削和切削力的一些基本理论,切削力是工件材料抵抗刀具切削所产生的阻力。它是影响工艺系统强度、刚度、和加工工件质量的重要因素。切削力是设计机床、刀具和夹具、计算切削动力消耗的主要依据。在目前自动化生产、精密加工中,常利用切削力来检测和监控加工表面质量、加工精度和刀具磨损的程度。人工神经网络是一类模拟人类神经系统的结构,它揭示数据样本中蕴含的非线性关系,大量处理单元组成非线性自适应动态系统,具有良好的自适应性、自组织及很强的学习、联想、容错和抗干扰能力,在不同程度和层次上可模仿大脑的信息处理机理,可灵活方便的对多因素的复杂未知系数系统进行建模。特别是BP网络近年来广泛应用于模式识别、预测评估等领域,并取得良好的效果。目前BP网络采用误差逆传播算法学习训练神经网络,该算法是基于网络误差函数梯度下降的。为了克服BP网络在学习训练过程中收敛速度慢、容易陷入局部极小的不足,该文采用了Levenberg-Marquardt反向传播算法。该文主要利用神经网络理论,基于MATLAB的神经网络工具箱建立了切削力预报预测的BP神经网络预测系统,确定了输出量与输入量之间的联系。并通过用切削力的实验数据来检验模型的效果。实验结果证明了该模型用于切削力的仿真的可行性,比经验公式更加准确,具有很好的应用价值。