在机加工中,如何确定合理的工艺参数以提高产品的加工精度和表面质量,一直是国内外研究的热点。切削力、磨削力和磨削表面粗糙度是表征切削加工和磨削加工的最重要特征量,对它们进行预测分析和过程控制具有十分重要的意义。 针对目前切削力、磨削力和磨削表面粗糙度预测方法的不足,本文主要引入人工神经网络技术和遗传算法原理两项前沿技术,并由本人用C#高级编程语言编制各算法的程序,分别建立了针对切削加工和磨削加工的遗传神经网络的理论预测模型,为切削力、磨削力和磨削表面粗糙度的预测与控制开辟一条新途径。通过与传统的理论公式法和经验公式法的实验比较,证明遗传神经网络通过操作简捷的建模和高效的网络学习,能自适应于各种加工条件,具有较高的柔性和智能,能更准确地反映这些物理量及其影响因素之间的变化关系,并且可以推广到机加工中类似物理量的预测中,具有很高的实用价值。且经过在多组切削和磨削试验的应用,验证了新方法的可行性。 同时,为了提高遗传神经网络的运算速度和全局寻优能力,本文在国内外大量研究成果的基础上,对标准BP神经网络的激活函数、动量项的引入、网络结构的确定等和抑制基本遗传算法的过早收敛现象、提高运算速度等进行较为全面的改进。利用遗传算法优化BP神经网络的初始权值,弥补了BP网络收敛速度较慢,易陷于局部极小的不足。最后通过一系列数据试验来证明,改进算法的工作效率与常用的算法相比有了大幅度的提高。