随着经济社会的发展,高精度、高质量的光学元件越来越受到关注,其在航空航天、国防事业、空间战略以及信息产业等方面的应用变的越来越广泛。要想得到高精度、高质量的光学元件当然离不开先进、科学的加工方法,本文中使用的基于CCOS小磨头抛光技术,与传统的加工方法比较,计算机控制小磨头抛光技术对工件面形有着更加准确的判断,对抛光过程有着更加可靠的控制。除此之外,好的表面质量测量评价方法,以及抛光工艺参数与表面加工质量的映射关系预测模型对指导抛光过程,获得高精度、高质量的学元件也具有重大意义。本文探索了一种新的表征方法来评价石英玻璃表面质量,用小波分析方法提取石英玻璃表面轮廓中的深谷损伤,并针对其深谷损伤特征,新定义一种参数对其损伤情况进行评价,得到其损伤程度曲线,非常形象有效地评价其深谷损伤情况,作为传统粗糙度表征方法的补充,使石英玻璃表面质量的评价更加全面准确。计算机控制小磨头光学石英玻璃抛光实验采用的是行星运动形式,进行了三因素四水平的正交试验,文中影响因素主要考虑了抛光压力、工具转速、偏心比等加工参数。实验数据处理时,首先,通过田口法以及方差分析法评价了各因素影响计算机控制小磨头抛光表面粗糙度的程度大小和多个影响因素共同作用下的变化规律,并初步得到其在一定范围内的最优抛光参数组合;然后,根据试验数据利用BP神经网络建立了基于CCOS小磨头抛光石英玻璃表面粗糙度的预测模型,同时建立了非线性回归粗糙度预测模型,通过对这两种预测模型进行泛化误差和相对误差的对比分析,发现BP神经网络模型在预测这类问题上更有优势,其能在一定程度上预测抛光参数与石英玻璃表面粗糙度的映射关系,对指导抛光过程参数控制,获得所需表面质量的抛光试件有一定的价值。