激光切割技术以其切割范围广、切割速度快、切缝窄、切割质量好、热影响区小、加工柔性大等优点在现代工业中得到了广泛应用。随着工业技术的应用以及CAD/CAM的引入，激光切割技术正朝着自动化方向发展。现代很多汽车行业都先后引入了激光切割自动生产线来提高产品质量，在生产过程中要得到合格的产品质量离不开激光加工工艺的研究。本文是在一些研究成果基础上，结合神经网络建模知识对激光加工工艺进行仿真研究。研究试验在KJG150300500w YAG金属切割机床上进行，该机床上可调工艺参数包括：激光输出电压U、脉冲激光的脉冲宽度Th和脉冲频率f以及工作台的移动速度（即加工速度v）。在切割试验过程中，选择切缝粗糙度Ra作为加工质量衡量标准。本次切割实验过程中，主要进行了以下方面研究：首先，总结概括了国内外激光切割发展现状和研究成果，以及所需用到的研究方法和研究工具，引出本文课题研究的目的和意义；其次，对激光切割技术做了较为详尽的理论阐述，并结合相关激光切割加工工艺的研究，概括总结切割过程中影响切割加工工艺的因素，以及影响这些因素的参数，并对一些参数的影响规律进行总结；第三，在对参数分析的基础上，先通过单因子实验找出电压U、脉宽Th、频率f及加工速度v对表面粗糙度Ra的影响规律；再设计4因素4水平正交设计试验方案L1(446)，对试验结果进行直观和方差分析，找出因子的显著性以及对切缝粗糙度的贡献率；再通过二次通用旋转组合设计，找出断面粗糙度与各参数之间的回归方程，并对其结果进行误差拟合和误差预测。最后，分别利用神经网络中的BP网络和RBF网络对二次通用旋转组合设计试验结果进行误差拟合和误差预测，并对比分析回归方程、BP网络及RBF网络的拟合误差和预测误差，找出三种方法中误差精度最小的拟合方式，并用Simulink对误差精度最小的拟合方式进行建模和仿真。通过以上研究，本文在绘出电压U、脉宽Th、频率f及加工速度v对表面粗糙度Ra的影响规律图的基础上能得到本次试验中最优的参数选择方案，以及误差精度最小的仿真模型。本文的研究对提高粗糙度精度，实现给定参数时预测断面粗糙度有一定意义。