电火花线切割加工过程复杂多变,难以定量控制,影响因素较多,相互关联又相互矛盾。按照达到一定要求的加工效果,机床加工参数的合理设定是个关键的问题。单一依靠操作技术人员的经验,在保证较快的加工速度的同时,很难获得较好表面粗糙度和加工精度,所以需要建立一个合理有效的电火花线切割加工模型,并在全局范围内实现加工效果的预测。本文运用遗传算法和神经网络相结合的智能计算方法,提出了基于遗传神经网络的电火花线切割加工工艺的建模和优化。模仿人脑神经细胞的结构和功能的神经网络系统非常适合于解决非线性问题,尤其是基于误差反向传播算法的多层前馈网络(简称BP网络),可以任意精度逼近任意连续函数。BP算法的优点是寻优具有精确性,但同时存在一些缺点,最主要的是易陷入局部极小、收敛速度慢和引起振荡效应等。而基于自然选择和基因遗传学原理的遗传算法(GA),具有很强的全局搜索能力,将二者结合起来形成了一种训练神经网络的混合算法——遗传神经网络(GA-BP)。本文通过对电火花线切割加工工艺规律的分析,选取影响工艺效果的主要因素:工件厚度、脉冲宽度、脉冲间隔、脉冲高度,作为输入向量。以切割速度和表面粗糙度作为输出向量构建电火花线切割加工工艺仿真模型。通过该模型对一定加工条件下的切割速度和表面粗糙度进行预测,从中找出加工规律。再运用二次通用旋转组合设计方法进行试验,将试验数据和预测结果进行比较,说明所建立模型达到了较好的拟合和预测精度。同时再通过遗传算法进行工艺参数优化,通过试验验证,将优化结果应用于线切割加工可取得较好的效果。