准确评估光学元件磨削加工表面及亚表面质量，有利于减少后续以充分去除亚表面损伤和获得低粗糙度表面为目的抛光阶段的材料去除量，从而提高光学元件的加工效率。声发射现象是砂轮和工件表面磨削干涉作用最直接的反映，利用声发射信号实现磨削光学元件表面及亚表面质量的预测，是提高光学元件加工效率的有效途径。本文以BK7光学玻璃为研究对象，分析了磨削加工机理，提出了一种亚表面损伤快速检测方法，采用该方法对BK7光学玻璃磨削加工后的亚表面损伤深度进行了测量，提取了声发射信号特征参数并分析了特征参数与加工质量的相关性，使用BP神经网络对光学元件磨削加工质量进行了预测。以下是本论文的主要研究内容:　　1.分析了光学脆性材料磨削声发射现象产生机理，设计了针对切深、工作台进给速度、砂轮转速等加工参数下的光学元件批量磨削加工实验，获得了相应的声发射信号。并利用金相显微镜对磨削试件进行表面形貌采集，利用FormTalysurf PGI1240轮廓仪对12种加工参数下的光学元件表面PV值进行了测量。　　2.研究了以“压痕断裂学”为基础的脆性材料亚表面损伤理论预测模型，分析了光学元件氢氟酸刻蚀机理，以此为基础提出了一种结合HF酸刻蚀、逐层抛光和扫描共聚焦技术的光学元件亚表面损伤检测方法，利用该方法实现了对磨削光学元件亚表面损伤深度和形貌的快速检测，检测结果与公认的亚表面损伤理论模型预测结果具有较好的吻合性。　　3.根据上述方法和实验手段进行批量磨削试件的表面粗糙度和亚表面损伤深度检测，讨论了磨削加工中加工参数与光学脆性材料加工质量的关系，其中切深变化对加工质量影响最大，工作台进给速度次之，砂轮转速的变化对加工质量影响并不明显。　　4.研究了声发射信号特征提取技术，根据磨削加工过程特点，选择声发射信号振铃计数、FFT幅值、RMS值特征作为典型声发射特征，基于BP神经网络建立了声发射典型特征与表面粗糙度和亚表面深度的关系模型，实现对加工质量的准确预测。