高速铣削具有精度高、效率高等优点，被广泛应用于模具加工中；而模具的表面质量直接影响产品的使用性能和成本。表面粗糙度不仅是衡量已加工表面质量的重要指标，还与模具的抗腐蚀性、耐磨性等有着密切的关系。RoyAlloy模具钢正在逐步推广使用，但实际加工中，在其铣削参数的合理选用方面还有很多空白。高速铣削加工中，铣削参数是表面粗糙度的主要影响因素。传统铣削参数有铣削速度、每齿进给量、背吃刀量和行距，本文根据五轴加工中心的特点，将铣削速度分解为主轴转速、前倾角和侧偏角，可更加全面和直观地表述影响表面粗糙度的各因素。与理论研究表面粗糙度相比，试验法过程更直观、结果更可靠。因此，本文通过单因素试验和正交试验，分析了各铣削参数对表面粗糙度的影响规律，得到了最优铣削参数组合，解决了铣削参数对表面粗糙度影响的显著度问题。在试验的基础上，综合利用多元线性回归和BP神经网络，建立了高速铣削加工RoyAlloy模具钢的表面粗糙度预测模型。经试验验证，该模型在多元线性回归方程的基础上提高了鲁棒性，并具有收敛速度快、运行迅速、模型稳定及精度高等突出优点。依据高速铣削加工表面粗糙度预测的特点，设计了具有二次开发能力的表面粗糙度预测系统，可合理高效地实现生产加工中表面粗糙度的预测与铣削参数的选用。