随着加工技术的发展,多轴联动铣削加工技术已经在发达国家得到广泛的应用,而该技术的研究在我国尚处于起步阶段,与发达国家相比还有很大差距。随着机械加工业的迅猛发展,如何获得高的表面质量已成为摆在科研工作者面前的一道难题。本文对现阶段多轴联动铣削加工中如何控制表面粗糙度进行了深入研究,采用BP人工神经网络理论建立数学模型来预测表面粗糙度,为多轴联动铣削加工领域提高表面质量和优化切削参数提供了全新的思路,具有较为重要的理论意义和实用价值。本文以多轴联动数控加工中心铣削6061铝合金表面粗糙度的预测为主要研究内容具体进行了如下研究：(1)分析了铣削加工的加工机理。在分析了表面粗糙度各影响因素的基础上,对6061铝合金进行了多轴联动面铣削加工。通过单因素试验法,分析了表面粗糙度在各因素作用下的影响规律,为更好地预测表面粗糙度提供了理论基础和实验依据。(2)通过引入BP人工神经网络理论到多轴联动铣削加工领域中,研究了切削速度Vc、每齿进给量fz、切削深度ap及行距h四个因素在面铣削的加工方式下,对表面粗糙度的影响规律。(3)确立了多轴联动铣削表面粗糙度的预测模型为输入层、隐含层及输出层的三层网络结构。通过动态调整隐含层的节点数来确定最终的网络结构为4-9-1。针对BP神经网络收敛速度慢,易收敛于局部最小值等缺点,采用遗传算法对BP神经网络的权值和阈值进行了优化,达到了更好的收敛效果。同时,通过训练与验证网络模型,最终确认了模型的预测精度和收敛能力达到了预设要求。