在电火花小孔加工中,影响小孔加工质量和加工效率因素众多,缺乏准确的定量放电去除机理模型,很难建立准确的工艺优化模型来确定工艺参数以达到所需要的性能指标。在实际加工中,多依赖于人工经验或大量试验才能获得合适的工艺参数,将极大影响加工效率且成本较大。通过采用智能化的建模方法,开展工艺试验来建立小孔加工性能指标和工艺参数之间的映射关系,通过抽取专家知识,实现快速的不同加工目标下的工艺参数快速预置。本文主要采用实验研究与建模分析相结合的方法,研究内容如下:首先,介绍了电火花小孔加工的基本原理及建模理论方法,通过研究得到电火花小孔加工的关键性能指标和工艺参数。性能指标主要包括:加工时间、电极损耗量、孔径尺寸精度。加工工艺参数主要包括电参数和非电参数,加工工艺参数中电参数主要包括放电脉冲时间、放电休止时间、主电源电流峰值、极间电压、极间电容等;非电参数主要包括工件材料、工件厚度、电极直径、周围环境因素等诸多因素对小孔加工性能指标的影响是相互关联,又是互相矛盾的。然后,针对SH30精密电火花小孔机床,开展了小孔加工工艺试验,先采用固定直径电极对同一厚度的304不锈钢材料进行了正交试验,得到了电参数对小孔加工性能指标的影响规律;并依此为参考,除考虑电参数之外,还考虑了不同直径电极和不同工件厚度对性能指标的影响,分别安排了正交试验,获得大量实验数据。之后,基于前面研究的小孔加工性能指标和影响性能指标的工艺参数因素,建立了LSTM网络预测模型,模型输入为电极丝直径、工件厚度、放电脉冲时间、放电休止时间、主电源峰值电流、极间电压、极间电容、伺服速度,输出为加工时间、电极损耗量、孔径尺寸精度。对比BP神经网络模型,该模型三种性能指标预测决定系数~2值分别提高了1.54%、1.34%、0.85%。同时将LSTM神经网络技术与穷举算法结合,建立了孔径公差范围给定条件下加工速度优化模型和无公差要求加工速度优化模型,并验证了这两个模型的合理性。最后,建立了电火花小孔加工参数优化系统共划分为四个功能模块。工艺数据库模块、建立模型模块、工艺目标预测模块、加工参数优化模块。基于SQLite建立了针对304不锈钢小孔加工工艺数据库,借助Python语言中Py Qt模块进行了界面编程,该系统不仅可预测小孔加工性能指标,优化加工工艺参数,而且通过训练模型的功能,能适用于不同类型的电火花小孔加工机床。