为了根据实验规律获得更多激光修整青铜金刚石砂轮的工艺参数, 采用反向传播(BP)神经网络和粒子群遗传混合优化算法(PSO&GA), 建立了激光修整青铜金刚石砂轮的预测模型。首先通过分析激光修整的原理得出砂轮型面角度、激光偏转角度、入射角度和光斑重叠率为主要影响参数, 并以砂轮型面角度误差和峰谷(PV)值为评价指标修整了192组工艺实验数据; 建立了4×9×2的3层BP神经网络预测模型, 通过PSO&GA混合优化算法对预测模型进行训练优化; 最后选取16组实验数据测试BP神经网络预测模型, 预测结果比较准确; 并对比了梯度下降法(GD)、粒子群优化算法(PSO)和遗传算法(GA)的BP神经网络的训练效果。结果表明, 经PSO&GA-BP预测模型角度误差预测偏差在0.2°以内, PV值预测偏差在1.6 μm以内, 相较于其它优化算法, 收敛速度更快、精度更高。该研究为激光修整青铜金刚石砂轮提供了良好的预测模型。