数控成形磨削技术是近年来国内外迅速发展的一种新型的加工技术,其高效精密的加工方式在机械工程上有着极其广泛的应用前景,但是对成形磨削的表面质量方面的研究很少见于报道。随着仿真技术的发展,人工神经网络在磨削领域得到了应用。正是基于这样的背景,本文研究了成形磨削表面粗糙度( R_a )与磨削用量( v_s,v_w,a_p )之间的关系。在实验的基础上用计算机技术和神经网络技术相结合来对成形磨削表面粗糙度进行研究,并与用传统回归法求得的经验公式进行比较,方便人们对表面粗糙度的研究和生产实践的应用。论文首先在文献综述的基础上介绍了磨削加工技术的发展趋势,概述了国内外成形磨削的实际情况,并简要介绍了现阶段对表面粗糙度的研究情况。论文也对成形磨削表面粗糙度的实验条件及实验方案进行了介绍。实验方案采用正交实验法,减少了实验次数,节省了实验费用,并且得到了比较精确的实验结果。在对实验数据进行回归的基础上,建立了磨削表面粗糙度与磨削用量之间的回归模型,并通过与实验结果进行比较,验证了模型的可行性。研究表明,砂轮的线速度( v_s)对表面粗糙度( R_a )的影响最为显著,磨削深度(a_p)次之,工件速度(v_w)对表面粗糙度值的影响最小。论文在总结近几年来神经网络在磨削中的应用的基础上,选用BP网络建立了表面粗糙度与磨削用量的关系模型,并将其预测结果与回归模型的预测结果进行了比较,认为BP网络理论在建立关系模型及预测方面都有一定的优越性。最后,为了方便直观地建立BP网络模型,减少编程时间,提高工作效率,文中还简要的介绍了运用GUI实现表面粗糙度与磨削用量模型建立及预测的过程。