磨削技术能够相对高效低成本地获得高表面质量和高加工精度,被广泛地应用于航空航天、汽车、船舶、精密器械、核能、光电子以及半导体等工业领域。然而,由于磨削加工过程中磨具表面大量不规则磨粒的不均匀性磨损,磨削被认为是一个复杂且极其不稳定的过程。此外,由于磨具表面磨粒大都呈高负前角几何形状,与其它机械加工方法相比,磨削加工去除单位体积材料需要消耗更多的能量,而较大的磨削能耗意味着磨削过程中会产生较大的磨削作用力和较高的磨削热,从而容易产生磨具加速磨损、工件表面烧伤频繁以及表面/亚表面严重损伤等问题。本文针对当前实际磨削加工中,依靠操作人员的加工经验来设定磨削参数,围绕磨削加工中易于出现的磨削能耗高、烧伤频繁、表面完整性差、磨削性能不稳定,以及较难对砂轮磨损、磨削过热等进行有效预判的共性技术难题,开展了磨削功率与能耗智能监控及工艺决策优化相关研究。以功率信号为主要在线监测对象,对45号钢和石英陶瓷两类不同材料开展了磨削试验研究,采用BP神经网络和改进粒子群算法进行了磨削能耗与表面粗糙度优化,提出了高效低耗的磨削工艺策略。主要研究内容如下:（1）依托SMART-B818Ⅲ磨床搭建了可实时采集磨削功率信号的智能监测硬件平台。选择便携式功率传感器（Portable Power Cell Model–3,简称PPC-3）设计了主轴功率的实时采集方法,采用数据采集系统（NI c DAQ 9174、NI 9203）进行模数转换和电压电流信号的调制解调,利用基于USB接口的数据传输协议以及连接端口来完成信号监测数据的传输,实现磨削功率与能耗智能监控。（2）针对45号钢与石英陶瓷不同类材料开展全析因和正交磨削试验研究。采集不同加工条件下的磨削特征信号,计算磨削有功能耗,并测量了磨削工件的表面粗糙度,探究了各特征信号与不同加工条件之间的关系,分析不同磨削参数对工件表面粗糙度和磨削能耗的影响规律。（3）以砂轮线速度、进给速度和磨削深度为输入变量,利用三层误差反向传播神经网络建立了磨削能耗预测模型。采用动态惯性权重改进粒子群算法,以BP神经网络的预测作为适应度函数,以最小能耗为目标进行迭代寻优获取最优工艺参数。（4）依据磨削加工中所采集的功率信号的特征,进行了砂轮磨损和磨削烧伤预判方法研究,并利用Lab VIEW软件开发了具有数据采集、滤波处理、能耗计算与分析、砂轮状态监测、砂轮比较、磨削烧伤预测、参数优化等功能的分析决策系统,通过进一步的试验测试,实现了磨削过程的智能预警和过程可控的高效低耗磨削。