工艺智能决策是制造业转型升级的关键条件。因此,本文以滚磨光整加工工艺为研究对象,在课题组已经建立的数据库平台上进行智能工艺决策系统的研究。目前在滚磨光整加工中,针对特定的零件特征及其加工要求,是根据专家经验进行大量试验来选择较为合适的工艺方案。由于零件种类繁多,且同一零件的加工要求也变化多样,针对新型复杂零件的工艺参数优选缺乏统一的工艺标准和有效的理论指导,不能满足快速发展的要求。为了能够有效利用滚磨光整加工数据库平台的案例知识和专家经验,有必要研究工艺参数智能优选模型。在滚磨光整加工过程中,滚抛磨块、光整设备、磨液等工艺参数的选择对加工效果具有重要的影响,因此本文分别研究了基于案例推理、专家推理和迁移学习三种优选方法的滚磨光整加工工艺参数优选模型,从不同角度利用了数据库平台的案例数据。针对同一个待加工零件,上述三种模型优选结果之间可能存在冲突问题,给工艺选择增加了难度,因此需要研究一种工艺参数融合决策模型。为了充分利用三种模型的优选结果,同时解决三种模型优选结果的冲突问题,本文提出一种基于改进D-S证据理论的滚磨光整加工工艺参数融合决策模型,可充分利用案例信息、专家经验、差异信息等不同类型的知识,从而通过融合决策得到更加可信的工艺方案。本论文的研究内容主要有:（1）研究滚磨光整加工的原理、加工过程以及影响滚磨光整加工效果的关键因素。在此基础上,首先确定工艺参数决策的案例特征,归纳整理常用的工艺参数种类及相应的描述方法,然后设计滚磨光整工艺参数决策的实体-联系（Entity Relationship,E-R）图,最后构建滚磨光整加工工艺参数决策的案例库。（2）分别建立基于案例推理、专家推理和迁移学习三种优选方法的滚磨光整加工工艺参数优选模型。对于案例推理,通过计算案例之间相似度,取相似案例的工艺方案作为新问题的备选方案;对于专家推理,首先着重研究光整设备和磨液的优选规则构建,然后设计工艺参数优选推理机;对于迁移学习,分别采用向量和二值型数值对光整设备和磨液进行数值化描述,然后采用联合分布适配-支持向量机的方式优选得到工艺参数;最后,采用数据库平台中的案例数据对三种优选模型进行大量仿真。（3）针对上述三种模型的优选结果之间可能存在冲突的问题,建立基于改进D-S证据理论的工艺参数融合决策模型。首先根据优选结果动态构建工艺参数决策辨识框架并确定三种证据的基本概率赋值,然后针对原始D-S证据理论在融合高冲突证据时具有的弊端问题,提出了一种按基本概率赋值的比例分配冲突信息的D-S证据理论合成方法,最后使用改进的D-S证据理论将三种模型的优选结果进行融合,得到融合后的工艺方案。仿真结果表明,该改进的融合决策模型可以更好的解决不同模型优选结果之间存在冲突的问题,且通过融合不同类型的知识,决策结果较三种方法单独使用时具有更高的准确率。（4）在项目组已构建的滚磨光整加工数据库平台的基础之上,采用C#语言设计研发了基于改进D-S证据理论的工艺参数融合决策系统的人机交互界面,为滚磨光整加工过程中工艺人员提供决策指导。