在数控加工中,小线段表示的刀具轨迹G1、G2不连续,导致速度和加速度不平滑,从而降低零件的加工质量与效率。为了提高加工质量与效率,通常使用连续性更好的参数曲线如B样条曲线,对刀具轨迹进行拟合。基于能量因子的渐进迭代逼近最小二乘拟合(Progressive and Iterative Approximation for Least Square incorporating Energy term,ELSPIA)算法是一种高效的样条拟合算法,且适用于工业加工,但是ELSPIA算法具有如下缺点:(1)只适用于三轴刀具轨迹拟合,(2)没有解决B样条曲线弧长与参数之间的非线性关系,(3)缺乏刀具轨迹质量评估和改进措施。针对五轴样条轨迹实时插补中存在的问题和ELSPIA算法中存在的缺陷,本文的主要研究内容为:(1)建立了加工误差和刀位点误差、刀轴误差之间的关系,确保刀位点误差和刀轴误差能准确高效的转换成五轴B样条刀具轨迹的加工误差。(2)对ELSPIA算法进行扩展,提出六维空间的ELSPIA算法,保证ELSPIA算法适用于五轴刀具轨迹B样条拟合。(3)提出了基于刀轴稳定性的弧长参数化五轴B样条刀具轨迹算法,解决五轴B样条刀具轨迹中弧长与参数之间的非线性关系,和刀轴剧烈变化的问题。(4)提出了一套五轴B样条刀具轨迹质量评估方法,和刀具轨迹不满足加工要求时的改进措施,保证最终得到的五轴B样条刀具轨迹满足加工要求。(5)开发离线智能B样条轨迹优化软件,支持五轴B样条刀具轨迹输出。介绍了自主研发的离线智能B样条轨迹优化软件,并利用自主研发的软件对五轴叶身精加工轨迹进行仿真分析,仿真分析结果证明了本课题算法的有效性,且适用于五轴叶片加工。最后进行了加工实验和粗糙度测量,用于检测加工质量与加工效率,实验结果证明,本文提出的算法能提高加工质量和加工效率,且适用于工业加工。