高速切削技术是一门新兴的切削加工技术,将高速铣削技术引入模具制造领域,可以极大提高企业的经济效益。而工艺决策的合理性对于提高模具生产经济效益至关重要。但是,模具高速铣削加工技术应用时间较短,可以用于工艺决策的经验工艺数据十分匮乏。为了弥补上述缺陷,本文以模具高速铣削智能工艺决策技术为研究对象,设计并建立模具高速铣削工艺数据库,为智能工艺决策提供工艺数据信息;借助人工智能技术和模块化建模的思想,构建以下几个智能工艺决策模块:建立模具高速铣削铣削用量多目标优化数学模型,选用改进的遗传算法NSGA-II结合罚函数法求解该数学模型,获取已知具体高速铣削加工条件时较优的铣削用量,以达到较优的经济效益;采用综合评判和模糊聚类分析方法实现数据库中未收录或新型模具材料的高速铣削工艺近似决策;构建神经网络专家系统模型,选用BP神经网络算法对现有的工艺实例数据进行学习来获取工艺决策知识,用神经网络的预测实现专家系统的知识推理,为特定加工要求时的模具高速铣削提供工艺决策指导。本文还针对上述各个智能工艺决策技术模块进行实例验证,验证结果表明,这些模块能够实现不同情况下的模具铣削工艺智能决策或近似决策,在一定程度上弥补了模具高速铣削加工中工艺数据匮乏的缺陷,同时也提高了工艺决策的智能性。课题研究工作得到了海拉精密模具(长春)有限公司的资助。