球墨铸铁QT700-2是汽车曲轴材料,在其磨削加工中为了保证质量需要进行在线监测,声发射AE技术是无损监测适合需求。研究了声发射技术结合机器学习、深度学习实现球墨铸铁QT700-2磨削表面粗糙度的高精度智能预测。同时,在工程陶瓷精密磨削加工中,存在塑性磨削到脆性磨削转变的现象,研究了氧化锆陶瓷磨削脆塑性转变的声发射监测。本文首先分析了声发射监测磨削质量中以上两个问题的研究现状,介绍了声发射相关理论、声发射信号分析技术、机器学习及深度学习的理论。在此基础上研究球墨铸铁磨削表面粗糙度声发射智能预测、氧化锆陶瓷磨削脆塑转变的声发射监测。其次,在球墨铸铁QT700-2磨削表面粗糙度声发射预测实验基础上,分别使用人工经验提取、卷积神经网络CNN自动提取两种方法提取磨削声发射信号特征,将其输入BP神经网络、支持向量回归机SVR,并分别利用遗传算法和粒子群算法优化预测模型,对球墨铸铁QT700-2磨削的表面粗糙度进行了预测,经过比较得到最优的预测模型为CNN-GA-SVR,预测相对误差达到1%左右,预测精度很高。最后,在工程陶瓷氧化锆PSZ微小切深磨削脆塑转变声发射监测实验基础上,分析脆塑转变现象中声发射信号在短时傅里叶变换、EMD经验模态分解、小波分解下的时频域特征,研究了脆塑转变过程中AE信号的能量变化、熵变化规律。磨削AE信号EMD分解的主要分量IMF1、IMF2的能量与氧化锆磨削脆塑转变相关。磨削AE信号整体信息熵、EMD分解主分量IMF1和IMF2信息熵、小波熵,在氧化锆磨削脆塑转变的临界磨削深度处有增大。