目前,在线切割加工时,对机床加工参数工艺效果预测及自动优化设定是个关键问题。解决工艺参数选择难的关键是建立一个合理有效的电火花线切割加工模型。由于加工过程的复杂性、系统的非线性和加工参数变化而引起的时变性等,很难建立准确的数学模型。神经网络作为一种新型的建模工具,具有自组织、自学习和良好的容错能力,能够模拟现实系统复杂的输入、输出关系,具有很强的非线性建模能力。结合这一特点本文提出用人工神经网络建立线切割加工过程的仿真模型,可映射出输入加工参数与输出加工工艺效果之间的关系,为线切割加工的计算机仿真和智能化系统研究提供了可靠依据,推动机理研究的进展。通过对电火花线切割加工工艺规律的分析,本论文选取影响工艺效果的主要四个因素:工件厚度、平均间隙电流、脉冲宽度、脉冲间隔作为输入参数以构成RBF网络的训练样本,选取加工速度、表面粗糙度两项性能指标作为RBF网络的目标函数。采用二次通用旋转组合设计方法设计试验次数,从而确定试验方案。获取试验数据后,便可使用RBF网络对新的样本库进行学习,可获得相应的加工工艺效果预测模型。同时应用遗传算法实现加工工艺参数优化,可得出相应条件下的加工参数优化模型。