砂带磨削技术作为一种磨削和抛光相结合的新工艺,因其具有加工效率高、冷态磨削、磨削速度稳定、磨削精度高和磨削成本低等优点,在实际中应用日益广泛,并已经被应用到铝合金轮毂抛光中。然而对砂带磨削的表面质量方面的研究却很少见于报道。随着仿真技术的发展,人工神经网络在磨削领域得到了应用。正是基于这样的背景,本文通过BP网络建立砂带磨削的铝合金曲面粗糙度预测模型,并将遗传算法和BP网络相结合,优化BP网络模型。　　为了研究砂带磨削的铝合金曲面粗糙度与磨削参数的关系,采用正交实验法进行实验,减少了实验次数,节省了实验费用,并且得到了比较精确的实验结果。研究表明,砂带线速度VS对表面粗糙度值Ra的影响最大,磨削深度ap次之,横向进给速度Vw再次之,工作台转速nw对表面粗糙度值Ra的影响最小。　　在总结近几年来神经网络在磨削中的应用的基础上,选用 BP网络建立了砂带磨削铝合金曲面粗糙度与磨削用量的关系模型,并且用该模型对测试样本的表面粗糙度进行了预测,实际预测精度较高,证实了利用BP网络预测表面粗糙度的可靠性和准确性。　　针对BP算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷,将遗传算法和BP算法相结合,采用遗传算法训练BP神经网络,设计了基于进化神经网络的学习算法(即GA-BP算法)。实验和仿真结果表明,基于进化计算的BP神经网络可以很好地避免局部极小,能有效加速学习过程的收敛,并且预测的精度也得到相对提高。