人工神經網絡控制是一種新興技術，是用計算機對人類大腦功能進行抽象、簡化和模擬而建立的高度非線性的超大規模連續時間動力系統，它具有自組織、自學習、容錯性和并行處理信息的能力，特別適合處理復雜問題，是對專家系統的有力補充。
人工神經網絡實現從加工參數空間到加工效果空間的非線性映射。一般以峰值電流、脈沖寬度、脈沖間隔、抬刀時間和加工時間為輸入參數，以加工速度和表面粗糙為輸入參數，通過網絡建立電火花加工工藝模型。經過與實驗數據比較，該模型能夠精確地預測出給定條件下的加工速度和表面粗糙度，真實反映加工的工藝規律。為了鑒別對加工效果有害的和有益的放電過程，通過網絡結構輸出5種放電過程（狀態），即穩定加工過程、穩定拉弧過程、振蕩過程、空載過程和過渡過程；輸入分別為放電利用率、空載率、短路拉弧率、放電間隙平均電壓以及空載過程和過渡過程的反饋量。仿真結果表明，該網絡可以準確地對加工過程進行分類，有助于控制系統針對不同的過程采取不同的控制策略。
目前，人工神經網絡技術已有多種不同的結構模型，今后應將多種結構模型合理結合，充分發揮人工神經網絡技術的自身優勢，與專家系統、模糊控制技術互相取長補短，提高對放電狀態、加工效率、放電位置等的預測精度，提高在線實時控制效果，推動電火花成形加工過程控制向更高層次發展。
