在研究电火花加工过程中,根据各项加工参数对加工结果的影响,为建立优化的加工方案,提出用一种新的模糊补偿神经网络来建立仿真模型,模仿实际系统的加工状态,并得到优化的加工参数.同时,通过对此复杂系统进行仿真比较可以看出,由模糊神经元构成的模糊神经网络通过引入补偿算子,在网络学习训练过程中,不仅能够自适应调整隶属函数的参数,而且能够动态优化模糊推理.模糊补偿神经网络的优势性能主要体现在:(1)网络能够对初始正确定义的模糊规则或者初始错误定义的模糊规则进行训练,容错性能更高,使系统更稳定;(2)模糊运算采用动态的、全局优化运算,并且在网络的学习过程中,又动态地优化了补偿模糊运算,使网络更具适应性;(3)网络不仅能适当调整输入、输出隶属函数,也能借助于补偿逻辑算法动态地优化适应的模糊推理;(4)引入补偿算子的网络算法的学习速度比传统的基于BP算法的模糊神经网络系统的速度快,若通过用启发式算法去适当预置模糊补偿度可以进一步提高该算法的学习速度.同时,该文通过用模糊补偿神经网络技术在实验的基础上建立电火花加工过程中的电加工参数,如间隙电压、峰值电流、脉冲宽度、脉冲间隔等与加工结果之间的结构模型,模仿实际系统的加工过程,用仿真结果来推断实际系统的加工结果,部分的解决了在实际应用中对放电参数选取的模糊认识,并能通过仿真得出优化的加工参数,从而对实际生产加工中节省时间、提高效率具有重要的指导意义.