刀具切削是机械制造业中零件加工的最主要方法,它在机械工业中占有举足轻重的地位。如何提高刀具切削加工的生产效率,降低加工成本,一直是机械加工领域专家们不断探索和致力研究的重大课题。建立刀具数据库,为机械制造业提供合理或优化的刀具数据是提高切削加工效率和经济效益的最有效措施之一。重型金属加工由于工件的加工面积较大,加工时间长,刀具和加工参数的选择直接影响加工的效率和成本。因此为更好地选择加工刀具、加工参数建立重型刀具数据专家系统是非常必要的。本文在分析传统的专家系统和人工神经网络技术的基本特点基础上,将人工神经网络的知识获取与表示方法引入专家系统,设计实现了基于人工神经网络的重型刀具专家系统。该系统能从已有的实验数据中获得学习样本,它具有自学习的特点,恰好弥补了传统专家系统的不足。人工神经网络的引入使传统专家系统的符号运算变为数值运算,简化了程序代码,提高了系统的运行速度。本文通过介绍人工神经网络BP算法及其改进算法,对本系统BP网络结构的选取进行了详细说明。算法实现过程中,采取有效措施提高网络学习的平稳性,加快收敛速度。其中在解决局部极小问题上提出了自己的改进算法,减少了系统开销。本文还将系统知识进行了分类,将知识库分为切削数据库、资源数据库、知识集和用户信息集四个部分。对各部分的结构进行了举例说明。经实践检验,采用本系统大大缩短了刀具选择的时间,减少了工人的劳动,同时降低了加工成本,不但克服了刀具选择过程中人为因素的影响,还有效控制了加工质量。