近年来,以硅基硬脆材料为代表的微小零部件在光伏新能源、芯片半导体、电子通讯等前沿产业具有广泛的应用前景。采用金刚石微磨具的微细磨削是实现此类零部件微槽、微孔、微流道等微结构精密加工的重要手段。由于单晶硅的硬脆特性,微细磨削过程中极易在微结构的加工区域发生崩边、破碎等损伤,以及微磨具磨损严重等影响加工质量和加工精度的问题。本文旨在探究声发射（AE）技术在微细磨削加工中对非稳态特征的动态识别能力,构建微细磨削加工状态的在线监测分析方法以及声发射信号对微细磨削非稳态特征的预测模型,以期实现单晶硅微结构的高效高精度加工。论文具体工作如下:（1）分析硬脆材料微结构微细磨削过程的声发射来源,构建微槽阵列微细磨削声发射检测平台。仿真分析工艺实验条件下微磨具的最佳悬伸长度,通过预实验制定磨削工艺方案。以微槽深度为变量,设计微细磨削工艺实验并采集相关的AE信号。（2）选取微磨具磨损、微槽边刃损伤和微槽横截面为单晶硅微细磨削加工过程非稳态特征评价参数。分析微磨具磨头径向磨损量与磨削长度的关系,建立微磨具磨损评价方法。计算实验中所有采样区间微磨具磨头拟合径向磨损量。分析边刃损伤产生机制,建立边刃损伤评价方法并计算微槽平均边刃损伤宽度。基于显微观察和图像处理建立微槽横截面锥度角计算方法,并计算采样区间微槽横截面锥度角大小。（3）制定声发射信号数据处理方案,利用均方根值法分析AE信号时域特征,计算采样区间声发射信号均方根值(AERMS)。利用FFT法分析采样区间频域特征,并根据信号特征划分频域带。利用小波包分解法将原始信号分解,计算各频带能量及能量占比。研究表明,微磨具磨头径向磨损量与中频带能量占比呈正相关关系,结合声发射信号频带能量占比可以推测切屑堆积较为严重的时段。分析边刃损伤时域特征,数据对比表明,微槽平均边刃损伤宽度与AERMS增减趋势相同。分析边刃损伤频域特征,发现微槽平均边刃损伤宽度与高频带能量占比存在较强相关性。微槽锥度角频域特征显示,当微槽锥度角较大时低频带能量占比较小。（4）建立径向基（RBF）神经网络模型,以微槽深度、磨削长度、AE信号均方根值及频带能量占比作为输入量,预测微磨具磨头径向磨损量、微槽平均边刃损伤宽度和微槽锥度角大小。结果表明,本模型对三者都有较好的预测效果。