随着航空业的快速发展,飞机的制造效率被视为一个越来越重要的话题。其中发动机是生产过程中最重要的部分之一。低压涡轮发动机轮盘是飞机发动机的一个重要组件,在每个涡轮盘中都有许多几何形状与枞树相似的槽,被称之为纵树槽。有的轮盘上有几十个这样的纵树槽,多的甚至可以多达200多个。加工包含枞树槽的轮盘对喷气发动机制造商来说是一个挑战。现代喷气发动机可具有多达40个或更多个涡轮盘。在切割圆盘上的枞树槽的过程中存在许多困难,例如枞树的几何形状是复杂的并且尺寸公差十分严格,甚至可以与人类头发的直径相比较。同时,加工所使用的工件材料非常坚硬但又极其容易被损坏。加工完成后,表面处理也必须符合严格的规范。由于每个盘具有多个可用的槽,因此制造方法必须有效且高效。生产率是喷气发动机生产总成本中的重要因素,几十年来,喷气发动机制造商一直在对这方面进行研究,并且一直在寻找能够提高质量的切割工艺。如今,电火花线切割凭借高精度、低成本的优势已经逐步替代拉削加工成为加工这种枞树槽的最优方法。然而,为了对枞树槽生产的电火花线切割工艺进行最佳应用,加工的过程中仍然存在需要优化并解决的重要问题。其中最前沿的研究课题是在揪树槽线切割过程中的加工质量检测问题。电火花线切割加工过程中的可追溯性是很难做到的,现在通常使用的加工质量检测一般是靠加工完成后用坐标测量机进行检测。但这种方法十分费时并造成了成本的增加。如今随着机器学习的发展,本文提出了一些相关的检测思路和相关实验,应用了无监督学习和深度学习两种机器学习方法,通过Python编程进行实验实现了初步的加工质量检测。