碳化硅(SiC)单晶以其耐高温、导热性强、高电子饱和漂移率、低介电常数、抗冲击强和硬度高等特点,成为诸多环境复杂和条件要求苛刻等情况下制作高性能光电器材的理想材料。对于具有高硬脆特性的SiC单晶进行大直径超薄切割时,传统切割方法存在加工效率低,晶片精度难达标等技术问题。本课题在金刚石线锯切割技术的基础上,通过对运动线锯施加横向超声激励的方法进行SiC单晶切割,通过理论推导、有限元仿真和实验研究等方法对超声激励线锯切割SiC单晶过程中切割机理和加工参数优化进行分析。建立运动线锯切割加工段动力学模型并求解切割点处振动位移方程;运用有限元软件建立线锯模态分析模型,分析加工参数对线锯振动特性的影响,其与理论分析具有一致性。建立超声激励线锯运动学方程和普通线锯运动学方程,并对两种不同运动特性进行分析,磨粒运动轨迹发生了根本性改变;超声激励作用下锯切力理论值较普通切割明显减小;线锯在有效加工时间Δt内切割弧长增加,有效地提高了材料的去除率。通过对单颗金刚石磨粒切割SiC单晶进行有限元仿真,分别分析SiC单晶在超声激励磨粒和普通磨粒切割过程中加工参数对锯切力与切割表面形貌的影响规律。超声激励金刚石磨粒切割过程中锯切力均小于普通金刚石磨粒切割且表面形貌较平整,其中切割深度对锯切力和晶片表面影响较显著,与切割机理理论分析一致。分别在超声激励和普通线锯两种工况下进行SiC单晶切割实验,验证了切割机理理论分析和仿真分析的合理性。在正交实验设计基础上研究了SiC单晶切割过程中对锯切力、晶片表面粗糙度等多目标综合影响的主次关系顺序是工件横向运动速度、振幅、线锯切割速度、工件自转速度,获得了振动切割加工多目标情况下最优参数组合。采用果蝇优化灰色神经网络模型进行SiC单晶表面粗糙度Ra预测,结果表明:表面粗糙度预测值与实验值的相对误差平均值为2.09%,能够较好地预测SiC单晶表面粗糙度。