磨削是一个动态的、非线性的加工过程,影响因素众多,传统方法难以获得表面粗糙度精确的数学模型。表面粗糙度在线检测一直难以解决。本文构建了一套基于声发射信号的磨削表面粗糙度在线智能检测系统。建立了基于声发射的砂轮磨损状态在线识别模型和磨削表面粗糙度在线智能检测模型。本文对磨削过程中的砂轮磨损状态声发射信号去噪处理进行了研究,提出了小波分解系数平均值的特征统计分析方法,对声发射信号特征提取,可以清晰地描述出砂轮磨损状态中声发射信号的细节特征。根据磨削表面粗糙度形成的影响因素以及现有磨削表面粗糙度模型,研究了在砂轮不同磨损状态下,砂轮线速度、工件进给速度、磨削深度和磨削力比对表面粗糙度的影响以及规律。本文建立了基于BP神经网络的砂轮磨损状态识别模型,利用小波分解系数平均值的特征统计分析法,提取砂轮磨损状态声发射信号的细节特征,将此特征作为网络输入。以砂轮磨损状态、砂轮线速度、工件进给速度、磨削深度和磨削力比作为输入,建立了基于BP神经网络的磨削表面粗糙度在线检测模型。在此,磨削力比中包含了磨削加工过程中不可预知和不易测量的粗糙度影响因素。建立了基于声发射信号的磨削表面粗糙度在线检测实验系统。对所建模型进行了实验研究,证明了本文建立的基于声发射信号的磨削表面粗糙度在线智能检测系统的可行性。