在数控加工过程中,不可避免地存在进给速度波动,速度波动会对加工质量产生较大的影响,分析研究速度波动的特点对于提高加工质量有着重要的实际意义。提出一种基于小波变换和BP神经网络的数控加工进给速度波动识别方法,旨在准确定位数控加工进给速度信号存在的波动区域,为后续的速度优化工作奠定基础。结合小波系数自身特点以及小波基函数与原始信号的相关关系,提出三种小波基函数的选择标准,通过设计综合指标融合各自优点同时平衡相互矛盾。引入Pearson系数衡量小波重构信号与原始信号的强、弱相关关系,并作为小波分解层数的选择依据。出于减小运算量的目的,提出基于各频带能谱系数和香农熵的特征提取频带的选择标准以及基于小波系数幅值和位置下标的波动区域划分方法。确定将波动区域的小波系数能量以及区域长度作为表征速度波动的特征参数。建立适用于数控加工速度波动识别的BP神经网络,并基于识别的准确率调整网络参数、优化网络结构。在叶轮加工速度信号的分析实验中,提出特征参数的归一化处理方法以及波动区域边界的处理方法,以改善识别效果。介绍一种针对性强的速度优化方法,完成对波动区域的速度优化,并给出优化前后速度曲线和实际加工效果的对比。