人工神经网络在机械自动化加工参数优化选择中的应用研究（开题报告）.doc

附件B：
毕业设计（论文）开题报告

1、课题的目的及意义（含国内外的研究现状分析或设计方案比较、选型分析等）
课题的目的及意义
在机械加工中，加工参数的选择对机床设备的利用率以及制造成本都有着很大的影响。在传统加工过程中，一般是将有经验的机械师的选择经验记录下来，并且编纂成机械加工数据手册、数据单表、列线图和计算尺。但这种方法在追求效率的大规模自动化加工中已经不能满足要求。切削参数的选择是制定机械零件加工工艺中的一个重要方面，选择的恰当与否，将直接影响到成品的的质量、生产率、加工成本等，然而由于影响切削用量的因素繁多，影响因素之间又相互交叉，相互制约，因而确定最佳切削用量较为困难。根据经验来确定金属切削用量的方法所确定的切削用量因人因厂而异，实际效益相差很大，而且由于各种新加工材料不断涌现，以及数控加工机床、加工中心和柔性制造系统的应用，依靠经验来确定切削参数已远不能适应时代的发展。本文以机械加工中经常出现的误差复映现象为例，利用人工神经网络实现对机械加工工程中加工参数的自动选择。
根据误差复映理论，误差复映系数反映了加工前毛坯误差对加工后工件误差的影响程度，而误差复映系数与工艺系统刚度、切削条件、进给量、工件材料的硬度等多个因素有关，且呈复杂的非线形关系，难以通过公式精确算出。人工神经网络（Artificial Neural Network，简称ANN）是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的神经网络。它是理论化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统，它实际上是由大量简单元件相互连接而成的复杂网络，具有高度的非线形性，能够进行复杂的逻辑操作和非线形关系实现的系统。人工神经网络可以通过训练学习来获得网络的权值与结构，呈现出很强的自学能力。
通过用实验得到的样本集对ANN反复进行训练，直到网络的实际输出和目标输出之间的误差减小到规定的要求。当对训练好的网络输入加工的各种条件后可以得到加工的次数及各次的加工余量。按照输出的加工次数及各次加工余量可以基本满足加工要求。这不仅可以对传统的机械加工方式中的加工参数选择提供指导和参照，更重要的意义在于在CIMS（计算机集成制造系统）中能实现参数自动选择来解决误差复映问题。虽然神经网络的训练过程需要较长的时间，但是由于