珩磨油石的磨损状态对产品的最终质量有着较大的影响。为了预测油石的切削寿命,便于合理的更换油石,通过对比油石磨损量与磨钝标准来判断油石是否需要更换。所以本文引入灰色神经网络,通过将珩磨工艺加工特征参数作为模型输入来预测油石的磨损量,最终建立了珩磨油石磨损量预报模型来预测油石的寿命。从而为提前更换油石提供了理论依据,在保证机床稳定运行,提高加工产品质量,节约制造执行系统中生产成本等方面具有重大意义。本论文主要研究内容包括:(1)研究了神经网络和灰色神经网络预报模型算法。由于神经网络具有高度非线性拟合能力以及珩磨加工本身可看做一个灰色系统,通过分析比对各种预报模型,最终选用以上两种模型。并对模型结构的选择,关键参数的设置进行了详细的阐述。给出了评价模型拟合精度和稳定性的依据。(2)研究了智能算法在预报模型优化中的运用。对比了粒子群算法(PSO),遗传算法(GA)以及蚁群算法(ACO)的优缺点。由于PSO算法具有收敛速度快,需要调整的参数较少等优点,采用该算法对模型进行优化。并根据算法存在的不足,提出了利用变异因子来对标准PSO算法进行优化改进,并利用目标函数,对算法的寻优能力和收敛性进行比较。(3)研究了适合珩磨油石磨损量预报的预报模型。以强力珩磨的数据为基础,建立了基于BPNN的珩磨油石磨损量预报模型,并利用MPSO算法和GA算法对其进行优化。由于珩磨加工可看为灰色系统,首先,利用灰色关联度分析了珩磨加工特征参数对珩磨油石磨损量的影响;其次,建立了基于GNN的油石磨损量组合预报模型,并利用MPSO算法对模型中的灰参数进行优化。通过仿真实验对比建立的各种模型,基于MPSO-GNN模型的MPAE值更小,说明该模型的精度更高,预测更稳定。因此,该模型在珩磨油石磨损量预测中具有一定的优势,可以用于实际加工中预测油石的磨损状态,进而合理更换油石。