工程陶瓷的高强度、高硬度、低材料比重、高化学稳定性、优异的生物兼容性以及热膨胀系数低的优点使其在机械、化工、能源、航空航天、冶金、环保节能等领域有着广泛应用,同时也对其加工方法提出了更高的要求。激光辅助切削加工是在常规车削加工的基础上,将激光作为热源,利用高能量激光束对陶瓷局部区域进行加热,使其达到软化温度并具备一定尺寸的软化层,然后再用刀具将材料去除的技术,可将常规切削条件下的脆性加工变为塑性去除,改善刀具的磨损,提高加工表面质量和加工效率。本文选用热压烧结氮化硅陶瓷对其进行激光辅助切削加工。主要研究内容如下:结合热传导理论建立了氮化硅陶瓷的激光辅助切削加工温度场数学模型,利用ANSYS有限元仿真软件模拟了工件表面以及光斑中心处径向的温度在不同激光功率、切削速度、激光光斑直径下的分布。发现工件表面的等温线呈椭圆形分布,越靠近光斑中心处等温线越密集,而径向的软化层厚度小,温度梯度大。搭建了氮化硅陶瓷激光辅助切削加工试验平台,通过激光加热外光路系统支撑装置将激光加热系统和切削系统连接起来,实现两者的协同运动。将建模仿真与试验研究相结合,通过表面粗糙度和材料去除率的变化趋势对激光功率的仿真结果进行了验证,并将仿真得到的在不同激光功率和切削速度下的软化层深度作为背吃刀量的选择依据,初步确定了各工艺参数的范围。根据初选的加工参数设计四因素四水平正交试验表,利用极差和方差分析探究了激光功率、切削速度、进给速度、背吃刀量对表面粗糙度、材料去除率、刀具磨损以及表面微观形貌的影响。得到对表面粗糙度影响的主次关系为:激光功率、切削速度、背吃刀量、进给速度;材料去除率受四因素的影响顺序为:背吃刀量、切削速度、进给速度、激光功率;对刀具磨损的影响程度为:激光功率、背吃刀量、进给速度、切削速度。分析了脆性、塑性、热损伤加工状态对应的切屑形态和加工表面微观形貌。由于正交试验优化工艺参数存在局限性,因此通过神经网络遗传算法对工艺参数进行优化,利用BP神经网络模型建立加工参数与表面粗糙度之间的对应关系,然后通过遗传算法对神经网络模型预测的试验结果进行全局寻优,优化工艺参数和激光参数提高加工表面质量。结果表明,神经网络遗传算法的理论优化结果较正交试验的最优值降低了2.63%。