基于人工神经网络,对激光切割镍基合金样本进行了训练函数拟合,以电流、脉宽、切速及离焦量作为输入向量,以挂渣宽度、切缝宽度及切割完整度的综合评分作为输出向量,找出了最小误差的隐含层节点,以此模型预测激光切割质量,得到最大误差为7.66%,最小误差为-0.32%。以综合评分作为遗传算法的适应度值,在实际应用的工艺参数范围内随机选择了50个种群作为最初寻优群体,对其进行交叉、变异和迭代等操作,寻找最优适应度值及对应的工艺参数。理论预测的最优适应度值为98.41,实际值为89.53,误差为9.03%。该验证样本的质量明显高于25个实验样本的,挂渣平均宽度为81.5 μm,切缝平均宽度为164 μm。