石雕作为一门艺术,是一种历史文化的传承,具有很高的艺术价值和经济价值。随着人们生活水平的提高,石雕得到了越来越广泛的应用。石雕加工方式也开始由传统加工转向全自动化加工。机器人自身具有的高自由度高灵活性等特点很大程度上拓宽了可加工石雕模型范围,石雕机器人成为目前石雕加工设备发展的主要趋势。工艺参数对石雕加工的效率和质量具有重要影响,而目前机器人加工石雕的工艺参数主要根据技术人员的工作经验来确定,无法综合考虑到加工效率和质量等多方面因素。花岗石作为常用的雕刻石材,与大理石相比硬度更高,加工更为困难,山西黑作为一种高硬度花岗石,也被越来越多地用于石材雕刻中。因此,本课题以山西黑为研究对象,通过分析机器人加工异型花岗石的具体过程,对加工工艺参数进行优化。将机器人加工异型花岗岩分为粗加工和精加工两个过程,粗加工先通过正交实验,分析确定了工艺参数(主轴速度、进给速度、切削深度、切削宽度)与切削力和切深误差的变化关系,并对实际去除率进行了计算分析。通过磨屑观察分析了粗加工过程不同工艺参数材料去除方式。然后在正交实验基础上设计了粗加工全因素实验。精加工通过全因素实验,分析了主轴速度、进给速度、切削深度和切削宽度关于轮廓误差和表面粗糙度的变化规律及误差产生原因。并将粗加工和精加工全因素实验结果用于神经网络的训练和验证。基于神经网络,通过调用Matlab工具箱函数,分别建立了粗加工和精加工的工艺预测模型,将全因素实验数据作为输入输出样本进行训练和验证,达到符合加工要求的预测精度,实现了加工工艺过程的模型化预测。分别建立粗加工和精加工的参数优化模型,在神经网络预测模型的基础上,利用遗传算法对参数优化模型进行求解。通过模型优化后的工艺参数,最终实现粗加工效率提高38.3%,精加工表面粗糙度和轮廓误差分别降低15.2%和50.1%。本课题通过对机器人加工山西黑的过程进行研究,分别建立了工艺预测模型和参数优化模型,解决了长期以来加工工艺依靠工人经验的问题,整体上提高了加工效率和表面质量,对实际生产加工具有重要指导意义,有利于推进机器人在石雕加工中的应用和普及。