随着工业4.0和智能制造的高速发展,磨削加工领域智能化程度越来越高,机器人砂带磨削由于其材料去除率高、成型质量稳定、加工精度高等优点正在逐步替代传统手工磨削,特别是对于像Inconel718高温合金之类难加工的材料。Inconel 718镍基高温合金因其优异的高温强度、力学性能和抗腐蚀性等被广泛应用于航空航天等领域。机器人磨削加工是非线性、强耦合的复杂过程,对材料去除率以及表面质量要求越来越高,如何建立精确磨削去除率模型成为智能化磨削的关键。本文围绕航空领域应用广泛的Inconel 718镍基高温合金,搭建了机器人智能柔性磨抛系统,并基于该平台开展了系列磨削工艺试验,研究了磨削参数对材料去除率的影响规律,磨削声音与材料去除率之间的相关性。通过对磨削声音信号的时域分析和频域分析,研究发现随着砂带磨削能力的降低以及磨削热的积累,信号幅值、平均能量、标准差、均方根以及峭度因子等特征信号随磨削持续进行整体逐渐减弱。磨削过程的噪音主要集中在低频段（频率低于9KHz）,而稳定磨削阶段声音频率在9KHz到14KHz之间。对原始声音信号进行六层db3小波分解进一步提取相关特征,结果表明,七个信号分量D1（10000～20000Hz）、D2（5000～10000Hz）、D3（2500～5000Hz）、D4（1250～2500Hz）、D5（625～1250Hz）、D6（312.5～625Hz）、A6（0～312.5Hz）中,除A6和D4频段外其余信号与原始信号具有极大的相关性。基于上述分析,本文计算小波分解后D1、D2、D3、D5、D6五个分量的均方根值作为砂带磨削材料去除率预测的输入特征,建立了基于支持向量回归（SVR）算法、最佳修剪极限学习机（OP-ELM）算法、随机森林（RF）算法、XGBoost算法等机器学习算法的材料去除率预测模型,并使用平均绝对百分比误差（MAPE）对磨削去除率预测准确性进行评估,XGBoost、RF、OP-ELM、SVR模型对应的MAPE分别为4.37%、4.87%、7.47%、19.24%。结果显示本文提出的基于XGBoost模型在Inconel 718镍基高温合金机器人磨削预测材料去除率方面误差最小,效果最优。最后定量分析研究了磨削参数对工件表面性能的影响,主要包括粗糙度、硬度、残余应力以及表面烧伤等,发现机器人磨削加工是一个多参数耦合、高度非线性的复杂过程。砂带目数越大,工件表面粗糙度越好,砂带目数一定条件下,表面粗糙度与磨削力呈正相关,而与砂带转速无关;表面残余应力随着砂带目数的增加逐渐由拉应力转变为压应力,随着砂带速度的增加呈现先减小后增大的趋势;磨削时工件接触区域表面温度范围374℃～664℃,整体上与砂带转速呈正相关,而随着磨削力的增大先升高后降低,且工件表面温度与烧伤情况具有强相关性;磨削后会产生加工硬化现象,硬化层达125?m,硬化强度达到基体强度的125%。