光学玻璃材料特点是脆性大、硬度高、断裂韧性低，为典型的难加工材料，采用传统的加工方法难以实现高效精密加工。光学玻璃铣削加工方法与传统磨削加工相比效率高、周期短，但加工时产生的切削力较大，已加工表面质量较差。因此，本文对光学玻璃的加工将采用超声振动铣削加工方式，以有效的减小加工中的切削力和切削热，提高加工效率，缩短加工周期，改善已加工表面质量。表面粗糙度是衡量超声振动铣削光学玻璃已加工表面质量的重要指标，通过建立超声振动铣削光学玻璃表面粗糙度预测模型，可以为优化超声振动铣削参数提供依据。本文分析了铣削加工表面粗糙度的影响因素，在传统的铣削表面粗糙度经验公式的基础上推导出超声振动铣削的表面粗糙度经验公式。本文以超声振动铣削光学玻璃表面粗糙度预测为主要内容，利用XH714B立式加工中心进行ZK1光学玻璃材料加工试验，进行了多组单因素试验和两组多因素正交试验，研究分析了超声振动铣削加工表面粗糙度在各影响因素作用下的结果。本文中影响因素主要考虑了主轴转速、每齿进给量、切削深度等加工参数，振动频率及振幅等超声振动参数以及刀具半径等。本文通过不同超声振动参数的两组多因素正交试验，得到了超声振动铣削光学玻璃表面粗糙度在多个影响因素共同作用下的变化规律，并根据试验数据建立了超声振动铣削光学玻璃表面粗糙度的预测模型。本文中特别引进了人工神经网络理论作为表面粗糙度预测模型建立的理论基础，并采用结合了ACBP的LMBP算法对BP神经网络算法及隐层节点的构造进行改进。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逼近误差和泛化误差的对比分析，找到能够满足预测精度要求的预测模型。