近年来,微电子学、光学和计算机等尖端技术的迅速发展,许多具有独特性能的功能材料如单晶硅片、光学玻璃、工程陶瓷等硬脆材料在超精密领域获得了广泛的应用。ELID超精密磨削是近几年发展起来的一种超精密磨削方法,这种方法解决了超精密磨削的超硬微细磨料砂轮易堵塞和修锐困难的问题,能够高效的实现硬脆材料的超精密加工。ELID磨削能实现极低表面粗糙度的原因是通过在线电解作用在砂轮表面形成的氧化膜,这层氧化膜的状态(主要是厚度和致密性)直接影响超精密磨削的效果。本文专门设计了带取样装置的砂轮,模拟了ELID的磨削过程,通过对样块扫描电镜观测,分析了不同电参数下,氧化膜的表面形貌、组成成分的区别。利用Labview软件,编写了与氧化膜状态可能有对应关系的回路电流信号、振动信号、磨削法向力信号、声发射信号的采集、分析、保存等程序。利用MATLAB软件,基于小波分析理论,对采集到的信号进行分析处理,通过对这几种信号的筛选和特征提取,选择ELID磨削过程中回路电流的均值,磨削法向力的最大值参与氧化膜的表征。基于自适应模糊神经网络(ANFIS)理论和多传感器融合技术,建立起一个两输入一输出的模糊神经网络,以磨削法向力最大值、回路电流的平均值作为该网络的输入参数,以对应的样块上氧化膜粘附次数归一化处理后的数值作为氧化膜状态的输出,完成ANFIS的训练,并通过了试验数据的检验,达到较好的模拟效果。