难加工合金材料如GH4169高温合金、TC4钛合金以及SiCp/Al复合材料具有高强度、高硬度、高耐磨性、高比强度、耐高温等诸多优良特性,但这些优良特性使其在机械加工时具有一定的难度,且磨削加工本身是一个极其复杂的过程,总是存在一些不可预知和不易控制的影响因素,使得磨削加工过程中工件的表面质量不容易被控制,因此迫切需要研究一种可以准确预测工件磨削表面粗糙度的方法,为表面粗糙度的在线监测提供可靠的预测模型。除此之外,难加工材料表现出的高硬度和高耐磨性使得磨削加工过程中砂轮的损耗变快,砂轮极易发生磨损,很有可能导致修整不及时或过度修整的情况发生,故精准识别难加工合金磨削过程中砂轮的磨损程度显得尤为重要。本文的主要研究内容包括:（1）通过对基于声发射监测的难加工合金磨削加工工艺实验的研究,得出了磨削参数、工件材料、砂轮种类对声发射信号特征参数及频谱特征的影响,并分析了产生这种影响的原因。此外还得出了工件磨削表面粗糙度与声发射信号各个参数之间的对应关系,通过分析BP神经网络算法的原理以及网络训练过程的具体步骤,建立了基于BP神经网络的表面粗糙度多信息融合预测模型。（2）通过砂轮的修整实验和基于声发射监测的砂轮磨损实验,分析了修整后的砂轮是否满足磨损实验的要求,同时还分析了不同磨损状态的砂轮磨削时对应的声发射信号时域波形、时域特征参数、频域信号特征以及磨削力和磨削力比的变化情况,综合判断了实验过程中砂轮的磨损状态。通过对声发射信号进行小波包分解,提取了与砂轮磨损状态相关性较大的特征频段信息,得出了声发射信号与砂轮磨损状态的非线性对应关系,最终建立了基于BP神经网络的砂轮磨损状态多信息融合识别模型。（3）利用LabVIEW程序开发软件以及MATLAB算法开发软件联合开发了砂轮磨损状态监测系统,其中包括在线监测界面和离线分析界面的前面板和后面板的开发。监测系统的功能模块主要包括信号采集功能模块、信号分析处理功能模块、砂轮磨损状态识别功能模块以及图形显示与数据存储功能模块等,并通过实际的监测实验验证了该软件系统的可用性。