固结磨料研磨加工技术是加工软脆材料的加工方法之一。为了实现高效高质量加工软脆材料,工艺参数优化成为提高加工性能的关键。在传统的工艺参数优化中,通常凭借加工经验,或者通过大量的工艺试验总结归纳工艺参数等因素对加工性能的影响规律。探索过程耗时耗力,工艺优化效果也受分析方法限制。本文提出了使用遗传算法优化的BP神经网络建立加工性能预测模型,并使用基于加工性能预测模型的NSGA＿II算法进行工艺参数多目标优化,最后开发固结磨料研磨软脆材料工艺决策系统。本文的主要研究内容如下:（1）以固结磨料研磨软脆材料为研究对象,研磨转速、研磨压力、磨粒粒径、基体硬度、临界切深为设计变量,材料去除率、表面粗糙度、材料去除率变化为评价指标。建立了正交实验方案,通过极差分析得出各因素对评价指标的影响程度及规律。（2）研究了基于遗传算法和BP神经网络的固结磨料加工软脆材料加工性能预测模型的建模方法。对比分析了使用不同激活函数组合的BP神经网络加工性能预测模型在不同神经元数量下的性能差异,确定了基于BP神经网络的加工性能预测模型的模型参数。提出了遗传算法优化BP神经网络初始权值和偏置的优化策略,确定遗传算法的适应度函数、编码方式以及交叉策略。并验证了优化策略的优化效果,预测精度提升了10%左右。（3）研究了基于加工性能预测模型的NSGA＿II的工艺参数多目标优化方法。构建多目标优化数学模型,使用材料去除率、表面粗糙度和材料去除率变化作为优化目标。对比分析了在不同种群规模下基于NSGA＿II算法的工艺参数多目标优化的优化效果。通过实例验证根据约束条件求解粗/精研磨软脆材料的工艺参数。（4）开发了固结磨料研磨软脆材料工艺决策系统。分析了系统需求,规划了系统框架和开发目标,设计了数据库结构。最后使用Python语言及相关组件实现系统开发,确定了数据管理、模型训练、加工性能预测、工艺决策等功能模块。最终实现工艺决策系统开发。