确定性抛光通过控制去除函数和驻留时间来实现对工件表面材料的定点定量去除,是提升工件表面精度的重要手段。力流变确定性抛光是力流变抛光技术在确定性抛光上的应用,利用力流变抛光液特有的剪切流变特性和特殊的抛光头设计来对工件表面材料进行确定性去除。本研究以平面基片为实验对象,建立力流变确定性抛光实验平台,分析抛光液的流变特性和力流变确定性抛光原理,结合流体动力学仿真和实验建立确定性抛光去除函数,结合定点抛光实验和BP神经网络建立抛光工艺参数与抛光区域峰值去除率之间的BP神经网络模型,并以BK7平面玻璃为抛光对象开展力流变确定性抛光的修型实验。具体的研究内容如下:根据力流变确定性抛光的特点搭建了实验平台,其中主要包括四轴联动系统、测力装置、工件夹具以及操作面板等,其中所开发的四轴联动系统中驱动主轴最高转速可达24000rpm,XYZ轴精度可达10μm,能够满足实验需求。研究了力流变抛光液的流变特性,通过一系列的实验,最终选出最适合进行力流变确定性抛光的抛光液配比。并根据其抛光过程的特殊性,设计楔形抛光头进行确定性抛光实验。建立了力流变确定性抛光去除函数,首先结合经典Preston方程和力流变确定性抛光的特点建立基本方程,运用仿真得到压力和速度场的分布并提取数据拟合数学表达式,然后根据实验结果,确定仿真修正系数和抛光液浓度修正系数,建立去除函数;进而对所建立的去除函数的准确性和稳定性进行实验验证,分别在不同实验条件下进行抛光实验并对比实验与理论结果,两者截面轮廓基本一致且误差在7%以内,表明所建立的确定性抛光去除函数有较高的准确性;最后通过直线轨迹的抛光实验探究力流变确定性抛光过程的稳定性,在抛光后的工件表面均匀选取5处截面轮廓进行对比,未出现较大波动,表明力流变确定性抛光过程具有较高的稳定性。建立了力流变确定性抛光峰值去除率BP神经网络模型,首先进行力流变确定性抛光正交实验,将实验数据用于BP神经网络的训练,并使用测试集数据对模型准确性进行测试,其相对误差在6.8%以内,表明所建立的神经网络模型输出结果与实验结果有较高的一致性,为整个抛光区域去除函数的建立提供了新的思路。再比较6组相同实验条件下BP神经网络模型输出结果与去除函数的计算结果,相对误差在8.7%以内,进一步证明了所建立的去除函数的准确性。最后以BK7平面玻璃为实验对象,开展了力流变确定性抛光修型实验。首先测量工件的初始面型用以计算驻留时间函数,再通过比较不同网格步长下的仿真加工结果确定实验中的网格划分步长,然后按照所确定的网格步长和驻留时间函数以及预设轨迹生成机床加工G代码,最后在力流变确定性抛光实验平台上进行修型实验。加工后的BK7平面玻璃面型误差(PV值)从6.87μm下降至0.72μm,成功使用力流变确定性抛光方法对平面玻璃表面误差进行了修正。