在滚磨光整加工中，滚抛磨块是影响零件加工效果和加工效率的关键因素之一。在实际加工中，工艺人员大多都采用试验的方法，选择合适的滚抛磨块。为了能够减少复杂的试验操作，同时利用已经积累的大量成功案例，需要研究一种智能化的滚抛磨块优选方法。在目前已建立的滚磨光整加工案例库的基础上，项目组已采用案例推理技术对滚抛磨块进行优选。该方法将成功的加工数据以案例的形式存储在案例库中，通过计算新问题和各源案例之间的相似性，可快速准确的得出对待加工零件的滚抛磨块优选方案。但在实际加工中可能会遇到与原有案例差异较大的问题，根据传统的案例推理技术得出的滚抛磨块优选方案有效性较弱。
　　当案例库中没有检索到与新问题匹配的案例时，需引用新的建模方法来寻找新问题的解决方案。由于零件尺寸信息及加工要求的差异性，直接建模对滚抛磨块进行优选效果不佳。针对上述问题，本论文提出了“基于迁移学习的滚抛磨块优选模型”，通过缩小源域案例集和新问题的分布差异，将源案例的知识迁移到新问题的求解中，从而优选得到该问题所需的滚抛磨块。
　　本论文主要研究内容有：
　　（1）对滚磨光整加工技术深入分析，并研究了不同类型零件案例的特征差异。提取了工艺流程中影响滚抛磨块选择的案例特征及滚抛磨块特征，构建了滚磨光整加工案例库。
　　（2）针对不同类型零件案例的特征差异，设计了基于迁移学习的滚抛磨块优选模型：通过联合分布适配，缩小不同类型的零件案例分布差异，并以此寻找特征变换矩阵；通过特征变换矩阵将不同类型的零件案例集的特征信息投射到公共空间；通过在公共空间内建立滚抛磨块优选模型。实验仿真表明，该方法可以实现差异较大案例的滚抛磨块优选。
　　（3）为了进一步提升学习效果，通过对加工实例的分析，在迁移学习中引入流行正则化，以保持邻域数据结构。通过条件分布适配和流行正则化两方面约束寻找最佳映射空间，在此基础上建立滚抛磨块优选模型。通过对不同相似性的案例进行仿真，结果表明该方法具有良好泛化性和实用性。
　　（4）在项目组已构建的滚磨光整加工数据库的基础上，采用C#语言设计基于迁移学习的滚抛磨块优选平台，将迁移学习方法应用滚抛磨块优选中。
　　为了完善滚磨光整加工工艺中滚抛磨块的智能优选，本论文构建了基于迁移学习的滚抛磨块优选模型。仿真结果表明，基于迁移学习的滚抛磨块优选模型可以弥补传统案例推理技术进行磨块选择时的不足，为滚磨光整加工时滚抛磨块的选择提供决策指导。