电火花加工技术广泛应用于航空航天、 模具制造、 医疗器械等各个领域， 在处理硬质合金等难加工材料方面具有独特优势。 但由于影响加工质量和效率的因素众多， 很难建立准确的模型来确定优化参数组合。

国内电火花加工机床性能与发达国家的机床相比仍存在一定差距，其中一项重要差别在于，国内电火花加工系统并未配套完善的专家系统，部分加工生产仍然依赖于工人通过经验总结进行加工。

基于上述情况，本项目通过采用机器学习的方法，结合仿真与实验数据，建立四种常用的电火花加工工艺的优化模型，并编写软件为实际加工提供合适的参数组合。

（1）针对以下四种工艺：电火花成形加工、电火花线切割加工、电火花高速小孔加工、电火花蜂窝磨，进行基于机器学习的工艺参数优化研究。

（2）通过试验确定影响加工的参数，并设计正交试验，采集各工艺足够的数据，在此基础上结合多物理场仿真，对数据进行预处理，建立标准化的数据库。

（3）采用集成学习的方法，利用数据库训练、评估、验证电火花加工的回归预测模型，结合多目标优化算法，实现工艺参数寻优。

（4）基于实验数据和模型算法， 开发一个功能较为完善的电火花加工参数优化系统， 实现在实际生产过程中提供参考设置， 优化加工参数的功能。

（1）完成了电火花成形加工、电火花线切割加工、电火花高速小孔加工、电火花蜂窝磨四种工艺试验，结合仿真数据，建立用于机器学习的数据集。

（2）利用数据集训练、评估、验证了基于支持向量机（SVM）和多种集成学习电火花加工的回归预测模型，结合多目标优化算法，实现了工艺参数寻优。

（3）初步开发了一款电火花加工参数寻优软件，该软件集成了四种电火花加工工艺数据集和多种机器学习模型的训练选项，可输入新的数据以迭代模型。