磨料水射流加工技术作为世界上成长最快的特种加工技术之一,因其独特的冷态加工方式,广泛应用于各种工业生产,尤其适用于热敏感、压敏感等难加工材料的加工。针对磨料水射流切缝锥度特性的相关研究,有利于水射流特种加工技术沿着智能化和高精度发展。本文从微观与宏观两个方面对磨料水射流切缝锥度形成机理进行理论分析,并对切割轮廓形貌进行了定义。采用铝合金（AI6061-T6）板材进行磨料水射流切割试验,通过对工艺参数影响比重分析,选择射流压力、磨料流量、材料厚度、切割速度4个工艺参数对切割锥度特性进行单因素试验,分析可得材料厚度与切割速度对切边锥度影响较大,而射流压力和磨料流量对切边锥度影响较小。通过切割实验数据建立了磨料水射流切割锥度回归模型,其拟合精度为R2=0.91019,并通过9组测试样本验证该回归模型具有较高的可靠性与拟合性,同时为后续建立的神经网络模型提供一定的参考依据。基于试验数据,采用基于RBF神经网络对切边锥度进行建模,并利用interp2函数对训练样本数据优化,通过实验值与预测值进行对比分析,预测值与试验值的均方差为8.81541e-04,其相对误差绝对值最大为8.124952 e-02°,并且其他各个预测值与实验值十分接近,预测精度满足磨料水射流加工的要求。上述两种模型的预测结果对比,基于RBF神经网络的切割锥度模型有更高的预测精度,整体预测误差更小,实时性更强。以长方体与圆柱体样件为例进行磨料水射流切割和锥度补偿的实验研究,通过将实际工艺参数导入切割锥度模型中,预测切割时工件的切边锥度,进行了锥度补偿切割实验,获得较好的锥度补偿效果。