孔加工作为机械加工的基本工艺之一,在机械制造过程及加工工艺中具有无可替代的重要地位,其中小深孔加工是孔加工中重要分支,也是孔加工技术的难点。在小深孔加工过程中,钻头需要在封闭的环境中进行钻削,该加工技术是涉及断裂力学、热力学、材料力学等诸多理论的复杂动态变形过程,难以建立该过程的精确数学模型,从而导致经典的控制方法很难控制复杂多变的钻削状态,因此研究小深孔钻削过程的状态检测方法及自适应控制策略具有深远的意义。本课题以Cortex-A9微处理器和嵌入式Linux系统为核心,建立了基于高速钢麻花钻的钻削控制系统,通过获取小深孔钻削过程中的钻削力与钻削电流等状态参数,基于经典的PID控制算法实现钻削过程的自适应控制,并利用神经网络算法对控制算法进行了优化。首先,搭建了小深孔钻削控制平台,通过剪裁和修改Linux操作系统的内核及根文件系统,并编写相关驱动程序,使其满足钻削控制平台的功能需求。再利用Qt设计了多窗口的GUI控制程序,并通过可触摸的LCD显示屏实现了钻削控制平台的人机信息交互,确保了钻削控制系统的简洁易操作性。然后,利用搭建的钻削平台采集样本数据,即通过信号的放大滤波和离散量化等方法,获取实时的钻削力及钻削电流数据。以钻削轴向力为优化控制目标,利用专家PID控制算法控制钻削进给速度,用以抑制轴向力在加工过程中的随机波动,再将BP神经网络算法与专家PID控制算法相结合,实现PID控制参数的在线整定,从而提高钻削控制系统的普适性。最后,通过分析轴向力、切向力两个钻削分力与钻削驱动电流的信号特征,提取特征参量构建训练样本,通过PSO-BP神经网络优化算法建立深孔钻削的钻削力辨识模型,并将训练好的钻削力辨识模型参数移植到Linux控制系统中。在钻削过程中,利用实时获取的钻削驱动电流信号,对钻削力进行在线辨识,再以钻削力辨识值为基础,对进给速度进行自适应控制,从而实现小深孔加工过程中的在线优化控制。钻削实验与测试结果表明,钻削控制系统的功能模块组件能够正常工作,本文给出的专家PID控制算法可以使轴向力保持在较小的浮动范围内,避免因钻削轴向力突变而导致的工件和钻削刀具损坏,结合BP神经网络的在线参整定后,提高了钻削控制系统的普适性,通过PSO-BP网络算法获得的钻削力辨识模型,与真实轴向力具有很好地拟合效果,较好的实现了小深孔钻削加工的在线自适应控制。