相比于传统的液中精加工,采用气体和水雾介质的往复走丝精加工具有加工效率高、工件表面直线度好以及表面粗糙度好的特点。由于放电状态分析有助于揭示气体和水雾介质中的加工机理,研究高性能的间隙放电状态检测系统对实现较好的加工精度、高效、稳定的线切割加工具有重要的意义。本文分析了电火花线切割加工放电状态的国内外研究现状,比对传统放电状态的检测方法,结合现在先进的智能化的放电状态检测方法,提出基于粒子群算法优化BP神经网络在LABVIEW虚拟仪器平台组建放电状态检测系统实时辨别统计电火花线切割加工放电状态。相比于BP神经网路,粒子群算法提高了预测精度,降低了误差精度,同时降低BP神经网络陷入局部最优的可能性。在分析电火花线切割加工放电状态时,研究了常见的三种放电状态(开路、短路和正常火花放电)以外的偏开路和偏短路现象的特点及影响。在运用粒子群优化BP神经网络的理论基础上,利用霍尔传感器和数据采集卡实现对电火花线切割加工过程中电信号的采集,通过LABVIEW平台实现所选取的硬件设备和软件的无缝链接,并编写数字化信号处理程序,结合硬件设备建立电火花线切割放电状态检测系统,以电压、电流信号为研究对象完成对开路、短路、正常火花放电、偏开路和偏短路五种放电状态实时准确的检测并统计出相应的火花率。本文具体研究了包括脉冲间隔、脉冲宽度和短路峰值电流的电参数对电火花线切割放电状态的影响。使用示波器同步接收检测系统的电信号,比对示波器得到的波形图与检测系统前面板显示的波形图,完成可靠性验证实验。然后运用本检测系统进行液中主切割实验,以及在同一加工参数进行气中、液中、超声水雾以及蒸汽水雾介质下的过渡切割对比实验;在水雾介质下进行了几种主要参数(脉冲宽度、脉冲间隔、短路峰值电流、工作台空载速度和偏移量)的影响规律实验,得到各放电状态的特征以及火花率的分布范围。