智能制造是未来制造业发展的重要趋势,而目前我国的制造业还处于智能化水平较低的阶段。对制造过程进行分析与研究,发现在加工前的参数设定及加工后的质量监管方面还存在着研究与改善的空间。目前,对于加工前的加工参数设定,主要通过加工经验及工件试制等手段进行确定,参数选择较为保守,难以发挥设备的最大效能。对于加工后的质量检测,大部分企业仍处于人工检测、手工记录的状态,检测设备的自动化水平较低。对于质量数据的分析也处于简单处理的阶段,缺乏对数据的有效管理和利用。针对以上问题,结合计算机技术、智能算法等领域的发展,本文对数控磨削参数优化、测量设备优化改造及质量分析等方面进行了研究与分析,并建立了磨削参数优化及质量监管系统。本文的主要研究内容如下:（1）基于实际需求,确定了系统的总体功能。从应用角度出发,确定了系统的开发模式、开发环境、开发框架。对系统数据库及数据表的数据结构进行了设计与构建。对Java与MATLAB混合编程的关键点进行了研究与分析。（2）针对数控磨削的加工特点进行了分析,并进行了内径磨削加工实验,分析了各加工参数对工件表面质量的影响关系。建立了表面粗糙度及加工效率模型,并进行了基于遗传算法的多目标优化,得到了优化解集,同时进行了实验验证。针对实验数据进行了GABP算法优化,实现通过输入磨削加工参数预测得到表面质量参数,且预测精度较高。随着系统数据量的增加,多目标优化模型及GABP预测模型通过自学习,能够得到更好的优化及预测精度。上述研究为磨削参数优化功能的实现提供了理论基础。（3）对自动化测量机构及测头部分进行了结构设计。对测量气路工况进行了分析,并进行了气动测量的压差间隙实验,得到了优化的测量曲线,实现了对传统测量结果的误差补偿。在自动检测线与系统间建立通讯,使测量结果能够实时发送至系统中,实现了数据传输。测量数据进入系统后,引入了SPC质量控制图,对异常模式及其对应的实际加工异常情况进行了分析,采用数学公式对各异常模式进行了表征。通过Monte Carlo方法模拟生成大量数据集,采用PNN及优化参数的SVM算法分别对数据集进行了模式识别训练,最终采用多层优化SVM算法作为系统的模式识别算法,提高了分类识别的准确性和效率。上述研究为自动化质量监管功能的实现提供了有力支撑。（4）通过对磨削参数优化及质量监管等方面关键技术的研究,对系统的各模块功能进行了开发与实现,并对系统进行了测试与应用,使系统具备了磨削参数优化及质量监管的功能,实现了系统开发需求。