基于灰色關聯分析的PMMA工件磁性復合流體拋光工藝參數優化

摘要 針對磁性復合流體拋光PMMA工件取得最佳表面質量和最大加工效率時工藝參數不同的問題，基于灰色關聯分析的工藝參數優化方法，設計3因素4水平正交試驗，分析磁感應強度、羰基鐵粉粒徑、磨粒粒徑對磁性復合流體拋光性能的影響。結果表明：優化后得到的磁性復合流體拋光PMMA工件的最佳方案為：磁感應強度，0.50 T；羰基鐵粉粒徑，7μm；磨粒粒徑，3μm；使用優化后的工藝參數拋光，工件的表面粗糙度為14 nm，材料去除率為2.088×108μm3/min，提高了3.5%；通過灰色關聯分析優化后獲得的工藝參數，既能滿足工件高表面質量的拋光要求，又能顯著提高磁性復合流體拋光的材料去除率。

關鍵詞 磁性復合流體；灰色關聯分析；工藝參數；表面粗糙度；材料去除率

中圖分類號 TG58; TG73 文獻標志碼 A

文章編號 1006-852X（2025）01-0134-09

隨著現代汽車工業、激光加工、國防軍工、醫學成像等領域的迅速發展，各行業對高精度、高表面質量光學零件的需求增多[1-2]。磁場輔助拋光技術作為一種新型的光學零件加工技術，得到了越來越多的關注[3]。磁場輔助拋光技術是利用外加磁場將磁性流體快速轉化為具有一定黏塑性的Bingham流體，當工件與其發生相對位移時，磁性流體中的磨粒與工件產生微切削作用，從而達到材料去除的目的[4-5]。該加工技術可精確控制拋光后工件的表面精度和面形精度，同時不會對拋光后的工件表面造成亞表面損傷[6]。

SHIMADA等[7]將微米級羰基鐵粉（carbonyl iron powder，CIP）、磨料顆粒（abrasive particle，AP）和α-纖維素與磁流體（magnetic fluid，MF）混合，得到了磁性復合流體（magnetic compound fluid，MCF）。MCF相比于磁流變液（magnetorheological fluid，MRF）具有良好的分散性，且具有更好的拋光性能。目前，MCF拋光技術和灰色關聯分析理論已經得到了廣泛的研究和應用。田可等[8]通過對半球頭式拋光頭進行設計和工藝參數優化，使用MCF完成了對非球面光學元件的拋光，最終得到了表面粗糙度為1.786 nm的非球面工件。張軍鋒等[9]通過砂帶拋光復雜型面葉片，以工件的表面粗糙度和材料去除率為指標，使用灰色理論優化了拋光工藝參數的組合方案。BAN等[10]基于灰色理論分析了4H-SiC化學機械拋光的工藝參數對工件面形精度和表面粗糙度的影響，得到了優化的最佳工藝參數。周虎等[11]針對磁流變拋光工藝參數優化問題，使用灰色關聯分析法，實現了工藝參數的優化，并驗證了其有效性。灰色關聯分析是灰色系統理論中不可或缺的一部分，其主要目標是通過數學方法來分析和確定試驗中各參數之間的關聯差異或各因素對主要行為的貢獻程度，是一種有效的多因素分析方法[12]，在實際應用過程中有一定的優勢和可行性。

MCF的拋光效率和加工質量受多個工藝參數的影響。為了得到好的拋光效果，需要準確把控各個工藝參數，并深入了解不同工藝參數對MCF拋光性能影響的規律。為此，設計正交試驗研究MCF拋光液在不同工藝參數下對工件表面質量和材料去除率的影響規律，并分析各參數對MCF拋光性能的影響機理。但由于MCF拋光液拋光的工件表面質量和材料去除率的最佳拋光工藝參數不同，在加工過程中通常會產生不同的優化方案。因此，為選擇出較為滿意的工藝參數，綜合考慮各種因素，在保證工件表面質量的條件下，能夠有效提高MCF的拋光效率。故通過灰色關聯分析法對MCF拋光液的拋光工藝參數進行優化，最終選擇出既能滿足工件表面質量要求，又能顯著提高MCF拋光效率的工藝參數。

1拋光原理及裝置

圖1為基于圓柱形磁場的MCF拋光原理圖。圓柱狀的永磁鐵以偏心距r連接在磁鐵座的端面上。如圖1所示：由鋁板制成的MCF載液板位于永磁鐵左側并與其具有一定的間隙δ，當磁鐵座以轉速nm旋轉時，永磁鐵圍繞著支架的軸線旋轉，使磁力線不斷圍繞磁鐵座軸線旋轉，并始終保持磁通密度恒定；當工件和載液板之間的間隙Δ存有一定體積的MCF拋光液后，在外加磁場作用下，由納米級磁性顆粒和微米級羰基鐵粉組成的拋光液會立即沿著磁力線方向分布并形成磁性團簇鏈狀結構，而非磁性磨粒被包裹在磁性團簇中，且-纖維素與磁團簇交織在一起，增加MCF拋光液的抗剪切能力[13]。在磁懸浮力的作用下[14]，大部分非磁性磨粒在MCF拋光液中向工件表面移動。當電機2帶動載液板以nc轉動時，MCF中的磨料顆粒與工件之間產生微切削作用，從而將工件表面的材料去除[15]。

搭建如圖2所示的MCF實驗平臺，其主要由載液板、圓柱狀永磁鐵、傳動裝置及部分支撐裝置等組成。該拋光平臺和裝夾裝置安裝在三軸移動平臺上，三軸移動平臺提供拋光平臺在Y軸上的移動，以及裝夾裝置在XZ平面上的移動，從而確定工件與MCF拋光液之間的空間位置關系。

試驗采用聚甲基丙烯酸甲酯（polymethyl methac-rylate，PMMA）為被拋光工件，PMMA是一種質量輕、易加工和透明度高的光學元件，具有優秀的光學性能，其透光率可達97%以上，完美滿足了消費電子領域微型化的需求。所用MCF拋光液的組成及混合比例見表1，表2為試驗參數，在試驗中共準備了16組工件進行拋光。

2正交試驗設計和試驗結果及分析

2.1正交試驗設計

為了研究MCF拋光裝置在空間動態磁場下的最佳拋光參數，對試驗中不同的工藝參數進行研究。通過初始試驗研究發現：MCF拋光液中的磨粒與羰基鐵粉的粒徑對MCF的拋光性能有較大影響，且永磁鐵在工件表面的磁感應強度也是影響拋光后工件表面質量的重要因素。因此，設計3因素4水平正交試驗，如表3所示。

圖3為工件拋光區的測量點示意圖，分別測量并記錄工件拋光前后P1、P2、P3點處的表面粗糙度，并取其平均值代表最終的表面粗糙度測量結果。由于工件初始表面粗糙度不同，因此定義表面粗糙度下降率Ra%來代表MCF的拋光效果：

Ra%=（1-Rap=Rai）根100%（1）

其中：Rai為拋光前工件的表面粗糙度，Rap為拋光后工件的表面粗糙度。

使用SJ-410表面輪廓儀測量工件拋光前后A-A截面的輪廓曲線（圖3b），并得到工件表面輪廓曲線的數據樣點，將各個數據樣點通過積分累加計算，得到拋光后工件表面輪廓與初始表面輪廓曲線之間的面積，將所得面積繞中心點旋轉一周后，最終可得到該拋光時間內工件整體的體積減少量，從而得到材料去除率。測量后發現，圖3a中的陰影部分為材料去除的最大區域。

2.2試驗結果及分析

由于拋光試驗為3因素4水平正交試驗，因此選用L16（43）正交表。表4為正交試驗方案及結果，表4中的RMRR為工件的材料去除率。

表5為Ra%的正交試驗結果極差分析表，表中極差R越大，說明該因素對工件表面質量的影響越大。由表5可知：因素B的表面粗糙度下降率Ra%的極差最大，因而其對Ra%有較大的影響，而DCIP和DAP的影響較小。

為更加直觀地分析各參數在不同水平下對Ra%的影響，建立如圖4所示的效應曲線圖。由圖4可以看出：Ra%隨B和DCIP的增加而增大，隨DAP的增加先增大后減小。當工件有較高的表面質量要求時，應選擇的磁感應強度為0.50 T、羰基鐵粉粒徑為7μm、磨粒粒徑為3μm，此時MCF拋光液具有最優的表面光整能力，所得到的表面粗糙度下降率最大，工件表面粗糙度最低。

表6為RMRR正交試驗結果的極差分析表。由表6可知：B的材料去除率RMRR的極差最大，說明B對RMRR有較大影響，而DCIP和DAP的影響較小。

圖5為各參數在不同水平下的RMRR平均值。由圖5可知，RMRR都隨B、DCIP和DAP的增加而增大。當工件需要較高的加工效率時，應選擇的磁感應強度為0.50 T、羰基鐵粉粒徑為7μm、磨粒粒徑為7μm。此時MCF拋光液具有最高的材料去除能力，MCF拋光后的工件材料去除率最大。

2.3工藝參數的影響

2.3.1磁感應強度的影響

搭建如圖6所示的測力平臺，并采用三向測力儀（9257B，Kistler）測量MCF在拋光過程中對工件施加的正壓力大小。

圖7為表1的MCF拋光液中選用7μm羰基鐵粉和3μm磨料及表2的其他參數不變時，MCF在不同磁感應強度下的正壓力。由圖7可知，MCF的正壓力隨著磁感應強度的增加而增大。這是由于羰基鐵粉的飽和磁化強度較高，當磁場強度較弱時，磁團簇的結構變得松散，加持磨粒能力減弱；而當磁感應強度較強時，MCF中的磁團簇變得更加穩定，羰基鐵粉顆粒間的間距變小，使得拋光液中的磁性顆粒對磨料的約束效果提升，更多的磨粒可以穩定吸附在磁團簇上，使得參與拋光的磨粒數量增加。并且，磁感應強度越強，單個磨粒所受的磁場力就越大，提高了MCF拋光液的正壓力，使得其對工件的切削力增強。因此，磁感應強度越強，MCF的表面光整與材料去除能力就越強，磁感應強度能夠直接影響MCF拋光液的拋光能力。

2.3.2羰基鐵粉粒徑的影響

羰基鐵粉被磁化后，迅速形成鏈狀結構，夾持著非磁性磨粒隨載液板的旋轉對工件進行拋光。將羰基鐵粉通過振動樣品磁強計（vibrating aample magnetometer，VSM）檢測，得出如圖8所示的不同粒徑羰基鐵粉室溫下的磁滯回線。從圖8可以看出，羰基鐵粉的最大磁化強度隨著其粒徑尺寸的增加而增大。羰基鐵粉的粒徑越大，其被磁化后的加持力越大，使得磨粒受到的壓力更大，從而加強了MCF的拋光能力[16]。

2.3.3磨粒粒徑的影響

圖9為不同磨粒粒徑下的材料去除機制。如圖9所示：當磨粒粒徑較小時，其單位面積內參與拋光的磨粒數量更多，使工件表面的缺陷被去除，工件表面更平整；而粒徑過大會導致磨粒進入工件的深度增加，在塑性加工過程中磨料進入工件的深度增加，會使得拋光效果不均勻，導致表面粗糙度Ra增大[17]。因此，應選擇粒徑較小的磨粒，以保證工件加工后的表面質量。對于材料去除率來說，粒徑較小的磨粒的材料去除能力一般，而選擇粒徑較大的磨粒可以增大其嵌入工件的深度，使工件的加工效率提高。

3灰色關聯分析

灰色關聯分析是灰色系統理論中的核心內容，通過比較各因素對主要指標的貢獻程度來分析其重要性，相較于其他多目標優化方法有很大的優勢[12]。灰色關聯度是用來表示各工藝參數與理想結果相關程度的指標，關聯度越大表示該參數水平越理想[18]。

3.1數據歸一化處理

由于試驗中獲得的數據在單位和數量級上有較大差異，無法直接進行比較，因此需將表4的正交試驗數據通過區間變換法統一轉化為無量綱量[19-20]，其轉化公式為：

xi（k）=（2）

其中：xi（k）為第k個指標下第i次試驗的歸一化結果；Pi（k）為第k個指標下第i次試驗數據；在本文中，i=1，2，···，16；k=1，2。

將表4的原始數據歸一化后得到的比較數列為Xi（k）={xi（k）jk=1;2}，其中：

Xi（1）={0，0.109 3，0.215 7，0.162 3，0.448 9，0.520 8，0.477 8，0.532 2，0.590 4，0.607 4，0.672 7，0.827 3，0.675 5，

0.895 5，1.000 0，0.988 7};

Xi（2）={0，0.115 1，0.148 3，0.231 9，0.236 6，0.212 9，0.403 8，0.422 7，0.507 9，0.607 3，0.512 6，0.619 9，0.892 7，

0.906 9，0.899 1，1.000 0}。

對于本次拋光試驗的工件來說，表面粗糙度下降率和材料去除率都是越大越好，因此取參考序列為X0（t2）={X0（t2）jt2=1;2}={1;1}。

3.2灰色關聯系數與灰色關聯度計算

灰色關聯系數計算公式[19-20]為：

式中：ξi為灰色關聯系數；為分辨系數，∈[0，1]，取0.50。

灰色關聯度計算公式[19-20]如式（4）所示：

式中：γi為灰色關聯度；m為工藝指標數，m=2。

根據上述公式計算得到各參數的灰色關聯系數及灰色關聯度，如表7所示。表7中：第16組試驗的灰色關聯度最大，MCF的綜合拋光性能最優。

3.3多目標因素優化

通過整體分析多項工藝參數的優化水平，比較各水平的灰色關聯度大小，可以得到拋光效果最優的工藝參數。表8為因素各水平下的平均灰色關聯度。從表8中可以看出：在綜合考慮表面粗糙度下降率和材料去除率的情況下，磁感應強度的灰色關聯度大小順序為γ0：5 Tgt;γ0：4 Tgt;γ0：3 Tgt;γ0：2 T，羰基鐵粉粒徑的灰色關聯度大小順序為γ7μmgt;γ5μmgt;γ3μmgt;γ1μm，磨粒粒徑的灰色關聯度大小關系為γ3μmgt;γ1μmgt;γ5μmgt;γ7μm。

灰色關聯度越大，說明此水平下表面質量和拋光效率的綜合效果越好。因此，通過上述計算得出，當拋光工藝參數中磁感應強度B=0.50 T、羰基鐵粉粒徑DCIP=7μm、磨粒粒徑DAP=3μm時，MCF的綜合拋光效果最佳。

3.4試驗驗證

使用上述最優工藝參數組合對PMMA工件進行拋光，將優化拋光后得到的工件與正交試驗中表面光整能力最優的第15組和材料去除能力最優的第16組工件分別進行對比。首先，通過SuperView W1白光干涉儀評估MCF優化前后的工件表面形貌，結果如圖10所示。由圖10可以看出：在多目標因素優化后，拋光工件的表面質量顯著提高，其表面粗糙度由初始的477 nm降到14 nm，表面粗糙度下降率為97.06%，與優化前的第15組的表面粗糙度下降率93.57%相比提高了3.49百分點。之后，通過Mitutoyo的SJ-410表面輪廓儀測得MCF優化前后的工件表面輪廓曲線如圖11所示。圖11中：優化后工件的材料去除深度明顯增加，材料去除率達到了2.088×108μm3/min，相比第16組的材料去除率2.017×108μm3/min提高了3.5%。綜上，通過上述試驗結果驗證了灰色關聯分析優化后的MCF拋光液具有優異的拋光能力，用其拋光后工件的表面質量得到明顯改善。

4結論

（1）通過正交試驗，分析MCF拋光過程中磁感應強度、羰基鐵粉粒徑和磨粒粒徑對工件表面粗糙度下降率和材料去除率的影響規律，發現磁感應強度對拋光性能的影響最大，羰基鐵粉粒徑的影響次之，磨粒粒徑的影響最小。

（2）通過灰色關聯分析，對多目標因素進行優化，得到綜合考慮工件表面質量和加工效率的最優工藝參數組合是：磁感應強度，0.50 T；羰基鐵粉粒徑，7μm；磨粒粒徑，3μm，此時MCF的拋光性能最佳。

（3）使用優化后的工藝參數對PMMA工件進行拋光，工件的表面粗糙度下降率為97.06%，與優化前的參數組合拋光的工件表面粗糙度下降率相比提高了3.49百分點；材料去除率為2.088×108μm3/min，與優化前的參數組合拋光的工件材料去除率相比提高了3.5%。試驗驗證了灰色關聯分析的有效性，且優化后的MCF拋光能力顯著提升。

參考文獻：

［1］王承遇，李松基，陶瑛，等.超光滑超精密玻璃拋光新技術[J].玻璃，2009，36（10）：33-37.

WANG Chengyu，LI Songji，TAO Ying，et al.New super-smooth and super-precision polishing technology for glass surface[J].Glass，2009，36（10）：33-37.

［2］張韜，何建國，黃文，等.機械軸與虛擬軸復合的磁流變拋光[J].光學精密工程，2021，29（2）：286-296.

ZHANG Tao，HE Jianguo，HUANG Wen，et al.Magnetorheological finishing method that combines mechanical and virtual axes[J].Optics and Precision Engineering，2021，29（2）：286-296.

［3］袁巨龍，張飛虎，戴一帆，等.超精密加工領域科學技術發展研究[J].機械工程學報，2010，46（15）：161-177.

YUAN Julong，ZHANG Feihu，DAI Yifan，et al.Development research of science and technologies in ultra-precision machining field[J].Chinese Journal of Mechanical Engineering，2010，46（15）：161-177.

［4］康桂文.磁流變拋光技術的研究現狀及其發展[J].機床與液壓，2008，36（3）：173-175，182.

KANG Guiwen.Research and development of magnetorheological finishing[J].Machine Toolamp;Hydraulics，2008，36（3）：173-175，182.

［5］趙衛，豆立博，劉玲.磁流變拋光技術在SiC晶片加工工藝中的應用研究[J].價值工程，2018，37（11）：222-223.

ZHAO Wei，DOU Lifu，LIU Ling.Application research on magnetorheological finishing in the SiC wafer processing[J].Value Engineering，2018，37（11）：222-223.

［6］李改靈.光學材料磨削加工亞表面損傷測量的理論與實驗研究[D].長沙：國防科學技術大學，2006.

LI Gailing.Theoretical and experimental research on the measurement of grinding subsurface damages for optical materials[D].Changsha：National University of Defense Technology，2006.

［7］SHIMADA K，AKAGAMI Y，KAMIYAMA S，et al.New microscopic polishing with magnetic compound fluid（MCF）[J].Journal of Intelligent Material Systems and Structures，2002，13（7/8）：405-408.

［8］田可，郭會茹，吳勇波，等.旋轉磁場下非球面工件的磁性混合流體拋光[J].金剛石與磨料磨具工程，2022，42（4）：495-503.

TIAN Ke，GUO Huiru，WU Yongbo，et al.Magnetic compound fluid polishing of aspheric workpiece under rotating magnetic field[J].Diamondamp;Abrasives Engineering，2022，42（4）：495-503.

［9］張軍鋒，史耀耀，藺小軍，等.基于灰色關聯分析的葉片砂帶拋光參數優化[J].計算機集成制造系統，2017，23（4）：806-814.

ZHANG Junfeng，SHI Yaoyao，LIN Xiaojun，et al.Parameters optimization in belt polishing process of blade based on grey relational analysis[J].Computer Integrated Manufacturing Systems，2017，23（4）：806-814.

［10］BAN X，DUAN T，TIAN Z，et al.Process optimization of 4H-SiC chemical mechanical polishing based on grey relational analysis[J].Semiconductor Science and Technology，2023，38（7）：075014.

［11］周虎，李中會.基于灰色系統理論的磁流變拋光工藝參數優化研究[J].制造技術與機床，2010（5）：89-93.

ZHOU Hu，LI Zhonghui.Research on optimizing the processing parameters for magnetorheological finishing based on gray theory[J].Manufacturing Technologyamp;Machine Tool，2010（5）：89-93.

［12］史麗晨，劉亞雄，史煒椿，等.基于灰色關聯分析的GH2132線材高精度切削參數優化[J].表面技術，2022，51（11）：373-384.

SHI Lichen，LIU Yaxiong，SHI Weichun，et al.Optimization of high-precision cutting parameters of GH2132 wire based on grey relational analysis[J].Surface Technology，2022，51（11）：373-384.

［13］SHIMADA K，WU Y B，Wong Y C.Effect of magnetic cluster and magnetic field on polishing using magnetic compound fluid（MCF）[J].Journal of Magnetism and Magnetic Materials，2003，262（2）：242-247.

［14］FENG M，WU Y B，WANG Y LI，et al.Effect of the components of magnetic compound fluid（MCF）slurry on polishing characteristics in aspheric-surface finishing with the doughnut-shaped MCF tool[J].Precision Engineering，2020，65：216-229.

［15］姜晨，劉劍，魏久祥，等.h形磁性復合流體拋光工具設計及工藝試驗[J].光學精密工程，2022，30（12）：1452-1461.

JIANG Chen，LIU Jian，WEI Jiuxiang，et al.Design and process test of h-shaped magnetic composite fluid polishing tool[J].Optics and Precision Engineering，2022，30（12）：1452-1461.

［16］王道明，侯友夫，田祖織，等.顆粒尺寸及溫度對羰基鐵粉磁化性能的影響[J].功能材料，2014，45（19）：19006-19009.

WANG Daoming，HOU Youfu，TIAN Zuzhi，et al.Effect of particle size and temperature on magnetization properties of carbonyl iron powder[J].Journal of Functional Materials，2014，45（19）：19006-19009.

［17］SIDPARA A，JAIN V K.Nano–level finishing of single crystal silicon blank using magnetorheological finishing process[J].Tribology International，2012，47：159-166.

［18］朱斕瑛，趙越，戴玉，等.灰色關聯度分析模型的特征與應用[J].科學咨詢（科技·管理），2019（8）：79.

ZHU Lanying，ZHAO Yue，DAI Yu，et al.Characteristics and applications of grey relational degree analysis model[J].Technologyamp;Management，2019（8）：79.

［19］鄧家云.單晶SiC電芬頓化學機械拋光機理研究[D].廣州：廣東工業大學，2022.

DENG Jiayun.Mechanism of electro-fenton chemical mechanica polishing for single crystal SiC[D].Guangzhou：Guangdong University of Technology，2022.

［20］DENG J L.Introduction to grey system theory[J].The Journal of Grey System，1989，1（1）：1-24.

作者簡介

通信作者：王有良，男，1986年生，副教授、碩士生導師。主要研究方向：多場（磁場、電場、化學場等）輔助精密超精密加工等。

E-mail：wangyouliang20@163.com

（編輯：周萬里）

Optimization of magnetic compound fluid polishing process parameters for PMMA"workpieces based on grey relational analysis

WANG Youliang1，GAO Xichun1，ZHANG Wenjuan2

（1.School of Mechanical and Electrical Engineering，Lanzhou University of Technology，Lanzhou 730000，China）

（2.State Key Laboratory of Advanced Processing and Recycling of Nonferrous Metals，Lanzhou University of Tech-nology，Lanzhou 730000，China）

Abstract Objectives：MCF polishing technology has become an advanced ultra-precision machining method.To ad-dress the issue of different process parameters in achieving optimal surface quality or maximum processing efficiency in MCF polishing technology，it is necessary to accurately control the range of each process parameter and deeply under-stand the impact of different process parameters on MCF polishing performance.Methods：The process parameters of the MCF polishing tool are optimized based on grey relation analysis（GRA）to meet the requirements of minimum sur-face roughness while improving material removal efficiency.Under the given experimental conditions，it is verified that the optimized MCF polishing tool has excellent polishing performance，and the mechanism of the influences of various process parameters on the polishing performance of the MCF polishing tool is analyzed in detail.Firstly，a three-factor four-level PMMA workpiece polishing experiment is designed using the orthogonal test method，and the influence mechanism of each factor on MCF polishing performance is analyzed.Afterwards，the GRA method is used to optimize multi-objective factors，and the optimization scheme of process parameters with the best polishing effect is determined.Finally，the optimized process parameters are used to verify the polishing of the workpiece，and the surface morphology and the contour of the workpiece are obtained.Results：When the magnetic induction intensity B=0.5 T，the diameter of carbonyl iron powder DCIP=7μm，and the diameter of abrasive particle DAP=3μm，the surface finishing ability of the MCF polishing tool is the best.When the magnetic induction intensity B=0.5 T，the diameter of carbonyl iron powder Dcip=7μm，and the diameter of abrasive particle DAP=7μm，the material removal efficiency of the MCF pol-ishing tool is the highest.The magnetic induction intensity has the greatest impact on the polishing quality and the ma-terial removal efficiency of the MCF polishing tool，followed by the diameter of carbonyl iron powder，while the effect of the diameter of the abrasive particle is relatively small.During the polishing process，abrasive particle with a smaller diameter make the surface of the workpiece smoother，but the processing efficiency is lower.The polishing effect of ab-rasive particles with a larger diameter is uneven，but the processing efficiency is higher.The grey correlation degree of each orthogonal experimental group is calculated based on GRA，and the multi-objective factors were optimized to ob-tain the optimal combination of process parameters，comprehensively considering the workpiece surface quality and pro-cessing efficiency，that is，when the magnetic induction intensity B=0.5 T，the diameter of carbonyl iron powder DCIP=7μm，and the diameter of abrasive particle DAP=3μm，the MCF polishing tools achieve the best comprehensive polish-ing performance.Under the given conditions，the PMMA workpiece is polished by using the optimal process parameter，reducing the surface roughness of the workpiece from 477 nm to 14 nm，with a surface roughness reduction rate of 97.06%，which is 3.49 percentage points higher than that before optimization.The material removal rate reaches 2.088×108 m3/min，which is 3.5%higher than that without optimization.Conclusions：The process parameter combina-tion obtained through GRA optimization not only meets the requirements for high surface quality of the workpiece，but also significantly improves the material removal rate of the MCF polishing tool.After GRA optimization，the polishing ability of the MCF polishing tool is significantly enhanced.

Key words magnetic compound fluid；grey relational analysis；process parameters；surface roughness；material remov-al rate