机械零件的表面精度是除了其尺寸精度和形状位置精度之外用于衡量零件加工质量的又一重要指标。数控机床作为先进的机械制造设备,在对产品尺寸精度和形状位置精度的控制上有着比传统机床所不可比拟的优势。然而困扰着它的自动化水平进一步提高的障碍仍然是对切削过程中零件表面粗糙度的稳定控制。本文从表面粗糙度的形成机理和评价体系入手,分析了数控精车削过程中影响表面粗糙度值的原因及切削参数与它们之间的关系,发现其主要问题是它们相互作用下所引起的刀具与工件之间的相对振动,从而产生相对偏移,导致了零件表面的粗糙度值的不稳定,且径向振动对表面粗糙度的影响要明显大于其它方向的振动影响。根据现代切削振动信号的测试理论,自制了实验设备,采用压电式加速度传感器提取出不同数控精车工况下与表面粗糙度值存在相关联系的加速度幅值信号,经过自编虚拟仪器软件的后续处理后,输入到具有较强非线性映射能力且经过事先训练的人工神经网络中,进行表面粗糙度值的预测。实验结果表明,经事先训练的人工神经网络对不同工况下的表面粗糙度的预测值与实测值非常接近,这为切削过程中表面粗糙度的在线检测提供了一种新的方法。结合正在开发的具有切削参数自动调整功能的表面粗糙度值的数控系统,可实现切削过程中表面粗糙度的稳定控制,从而在兼顾效率的同时可保证加工的表面质量满足要求。