电火花加工技术自上世纪40年代开始应用于生产实践以来,在模具制造、国防和航空航天等领域发挥了重要的作用。电火花加工的影响因素较多,并且这些因素与加工效果之间的关系错综复杂,难以用统一的数学模型进行描述,导致了电火花加工工艺设计的比其他的工艺设计方法更加复杂。随着制造技术向微细化和精密化方向发展,电火花加工工艺设计的复杂性已经影响到了电火花加工技术的进一步发展。同时智能技术蓬勃发展,有必要将其与电火花加工技术相结合以促进电火花加工技术的进一步发展。目前国外已有多家机床提供商成功地将智能技术应用于商品化机床系统中,但在国内对智能技术的研究尚停留在理论阶段,尚无国内生产商推出采用智能技术的商品化机床。针对这种情况,本文进行了智能技术在电火花加工系统中的实用化研究。本文首先根据电火花加工工艺特点及电火花加工工艺设计的内容,构建出电火花加工工艺智能优化系统的框架。针对传统专家系统在知识获取以及知识泛化方面的缺点和不足,本文在系统中采用了人工神经网络技术,使得系统具有了学习旧知识和联想新知识的功能;生产实际中人们对事物的理解大部分是基于一些模糊的概念,本文采用模糊推理算法实现了工艺规准的模糊推理决策功能,使得推理过程更接近人们的常规思维;基于已有的两种成熟电火花加工余量分配模型,并引入了加工重视程度的概念,系统能够依据用户对加工效率和加工可靠性的重视程度自动输出优化的数控代码。目前采用智能技术的电火花加工工艺决策系统都是从加工效率、加工的经济性及最终加工表面质量等角度来考虑问题,并没有涉及到加工的形状精度,因此难以满足复杂型腔的精密化加工要求。本文认为应该建立更丰富的数据库,在工艺决策过程中考虑加工的形状精度。目前已有一种成形电火花加工仿真模型,该模型可以对电火花加工过程中电极和工件的形状变化进行仿真。模型采用了基于放电延迟时间的放电位置搜索算法,进行仿真的关键在于建立各种条件下放电延迟时间的数据库。作为实现更高智能电火花加工工艺决策技术的基础,本文将对单脉冲放电延迟时间的影响因素进行实验研究。