在高速切削加工中，刀具寿命是一个重要的参数，它直接影响到刀具需求计划制定、刀具成本核算以及切削参数制定，从而影响到生产效率和加工成本。由于刀具寿命影响因素很多，如果采用传统的经验公式进行刀具寿命计算，不仅计算过程复杂，难以得到合理的结果，而且在新材料，新工艺中可能无从着手。因此，在高速切削加工中，如何对刀具寿命进行快速、合理地预测具有十分重要的意义。 针对传统计算刀具寿命方法的不足，本文引入了人工智能技术—BP神经网络，并采用Java语言编制算法程序，分别建立了刀具寿命预测和切削参数优化的模型。与传统的计算方法相比较，该算法通过操作简捷的建模和高效的网络学习，更能准确地反映这些物理量及其影响因素之间的变化关系，并且能从已有的实验数据和经验数据中获得学习样本，因而具有自学习的特点。 同时，为了提高BP神经网络的运算速度和全局寻优能力，本文提出了BP的改进算法，并采用遗传算法对BP神经网络的初始权值进行优化，改进后的算法弥补了传统BP网络收敛速度慢，易陷入局部极小的不足。通过实例证明，该算法具有较好的学习效果。 最后，本文按照软件工程的规范完成了刀具寿命智能化管理系统的软件设计。系统采用基于B／S模式的JSP技术开发，简单实用，具有很好的人机界面。由于采用了Java技术，因此系统安全性较高且具有跨平台特性。