随着时代的发展，深孔加工越来越受到广泛的关注，在机加工领域占有举足轻重的地位。它的加工难度比较大，而且每次加工的工作量大，加工时间往往都比较长，是制造加工中的一个重要加工过程。然而由于人们对产品的要求越来越高，如何获得高的表面质量已成为当前关注的热点和关键性问题。本文对现阶段深孔加工中如何控制表面粗糙度进行了研究，利用神经网络建立模型预测表面粗糙度，为深孔加工领域提高表面质量和优化切削参数提供了新的思路，具有重要的理论意义和实际应用价值。本文以BTA深孔钻削表面粗糙度的预测为主要研究内容，对影响表面粗糙度的因素进行正交试验，分析BTA钻削的加工机理和表面粗糙度在各个影响因素作用下的结果，得出它们对表面粗糙度的影响规律，为更好的预测表面粗糙度提供理论依据。本文通过引入神经网络理论到深孔加工领域，利用切削速度、进给量和轴向力对表面粗糙度的影响规律建立预测BTA钻削表面粗糙度的网络模型。动态调整隐含层的节点数来确定网络结构。通过训练与验证网络模型，比较模型的预测精度和收敛能力能否达到要求。课题研究表明，本文所选取的3-16-1三层BP网络模型的预测误差都在3%以内，能够比较准确的预测表面粗糙度。这样就能够选择最优的切削参数，量化预测表面粗糙度，解决BTA钻削无法在线控制表面质量的问题，具有重要的理论意义和实际应用价值。