当今,非球曲面光学零件的超精密加工技术已成为各国在超精密加工领域中争相发展的关键技术,而数控插补算法是超精密数控技术的核心之一。在数控系统中,它是生成加工轨迹的一个最基本的子程序,在很大程度上决定了数控机床的加工精度和最大进给速度。本文首先综述了国内外非球曲面超精密加工中所运用的插补算法的发展概况。针对现有的数控插补算法的不足,提出一种基于遗传-神经网络的数控插补算法。该算法主要利用神经网络的并行性能和可模拟任意非线性函数的特性,使得插补运算的时间大幅度缩短,并且可以对任意曲线或空间离散点进行直接插补。针对神经网络易出现局部最优点、收敛速度慢和训练量过大等问题,本文先利用遗传算法对神经网络进行优化后,再执行神经网络的算法步骤。因为遗传算法具有全局随机搜索能力,鲁棒性强、使用简单和广泛的特点,它不采用路径搜索,而采用概率搜索,不用关心问题本身的内在规律,能够在复杂的、多峰值的、不可微的大矢量空间中迅速有效地寻找到全局最优解,所以可以弥补神经网络学习算法的不足,使陷入局部最小值的可能性大大减少,使得收敛速度提高,训练量减小。通过把遗传-神经网络插补模型的仿真结果与传统方法的训练结果比较,并且把此种模型用于数控插补的误差结果与传统的插补算法进行比较,得出此插补算法可以使数控插补精度得以提高,计算量和插补周期变小。最后在改进的实验装置上进行实验,验证了遗传-神经网络用于数控插补的可行性。