目前，在静电喷涂作业中，喷涂参数只能根据人工经验设定，以便喷涂工件能够获得理想厚度。然而，喷涂参数的设置方法缺乏科学性，严重依赖于工人的喷涂经验，无法保证涂膜厚度控制的准确性。针对上述问题，提出了一种基于BP-神经网络的涂膜静电喷涂厚度预测方法，构建了神经网络模型，进行了训练样本采集实验，完成了神经网络的训练。最后，利用神经网络软件对不同喷涂参数下涂膜的厚度进行了预测，并进行了预测对比实验。结果表明，神经网络对涂膜厚度的预测精度最高，可达的预测精度为95%，平均误差为12%，最大误差为20%，为喷涂参数的设置提供了有效的科学依据。