近年来,随着科技的高速发展,镍基高温合金等难加工材料在航空航天领域受到更多关注。电火花加工由于自身诸多优点,很适用于加工此类难加工材料,在燃气涡轮叶片气膜冷却孔加工中被广泛应用。然而由于电火花加工过程存在电极损耗,难以确定穿透时机,在加工如气膜冷却孔一类存在内部流道的零件时易发生背伤,损坏工件,因此穿透检测研究尤为重要。但是,目前对于电火花小孔穿透过程仍缺乏研究,已有的穿透检测策略可靠性较差。因此本文针对穿透检测难题,构建了嵌入式电火花小孔加工系统,并以此为试验平台研究穿透过程,探究穿透检测方法。本文主要研究工作如下:本文首先构建了嵌入式电火花小孔加工系统,以嵌入式芯片为控制核心,设计并集成了双路驱动TR脉冲电源模块、周期统计放电状态检测模块、基于火花率的自适应伺服进给控制模块和高速数据保存采集模块,实现了多种加工条件下的稳定高效电火花小孔穿透加工,并能以3MHZ速率采集并保存加工过程数据,为后续穿透过程及检测方法研究提供试验平台基础。其次为研究电火花小孔穿透过程,选取了放电率、电极位移、总能量、进给速度及电压作为测量参数,基于试验平台开展了电火花小孔加工穿透试验,结果显示穿透前后各参数波形特征差异较大,且开始穿透后会出现短路现象。进一步改变脉冲宽度、加工电流、工件厚度等参数进行加工试验,发现仍符合以上规律,验证了机器学习算法实现穿透检测的可行性。通过FLUENT软件进行间隙流场仿真,探究穿透过程流场变化规律,从流场角度解释了试验所发现的参数变化现象。最后针对目前缺少高效稳定的穿透检测方法的问题,提出了基于集成学习的穿透检测策略。首先对前述试验获得的数据进行预处理,选取短路率、电极位移、总能量、脉冲宽度、加工电流、工件厚度作为模型输入,分别采用随机森林、Xg Boost、Cat Boost三种集成学习算法训练模型并优化超参数,最终预测准确率分别为96.58%、98.41%、97.30%,综合各评价指标发现随机森林方差较小,Xg Boost准确率较高,Cat Boost预测时间较短,模型中总能量和电极位移输入量的重要度较高。持久化训练模型并建立穿透检测试验平台进行穿透试验,验证了基于集成学习穿透检测算法的有效性,并通过试验获取了不同进给距离下的出口孔径,确定了本系统最佳穿透后进给距离为125μm。