切削参数的正确选择是机械加工企业每天都要面对的棘手问题,传统的加工优化方法一直局限于与成本或生产率相关的目标函数,但优化的更关键作用在于优化各种加工性能指标,如刀具寿命、表面粗糙度、切削力、切削温度等。合适的切削参数可以充分利用FMS中的各种自动化加工机床、数控机床、加工中心等机床,对于这些昂贵的设备,提高生产效率,降低加工成本,提高设备利用率具有重要意义。但是合适的切削参数不易找到,数据库技术和人工智能算法是解决该问题的主要方法。但仍存在一些问题如:检索案例方法复杂,检索出的切削参数存在多组或范围值的情况。当出现多组切削参数或切削参数为范围值情况时,影响用户做出正确的决定。本文以为使用者推荐合理的切削参数目的,以三因素(车削速度、进给量、背吃刀量)四水平车削45钢试验数据依据,研究了离散值和连续值两种多目标情境下(切削力、切削温度、工件表面粗糙度、加工效率)的切削参数推荐算法,以铣削加工为例研究了数据库筛选技术,并运用计算机技术建立了切削参数推荐系统。本文的主要研究内容如下:(1)车削45钢试验数据分析。本文基于试验数据以极差分析为手段,分析了切削参数(车削速度、进给量、背吃刀量)对试验结果(切削力、切削温度、工件表面粗糙度)的影响的主次关系。为后续切削参数推荐过程中切削参数权值的分配奠定了基础。(2)数据库中案例间相似度的度量。本文基于AI技术——案例推理技术构建了切削参数推荐系统的案例库,以灰色关联分析(GRA)为手段,计算当前加工问题与数据实例之间的相似度。本文将完整加工实例中问题描述部分的非数值型属性量化为数值型数据,统一了相似度的计算方法。经实例应用,量化后的属性值经灰色关联分析法计算,可以从案例库中筛选出与待求解问题最相似的案例,验证了GRA法可以应用于案例的检索的可行性并且量化的属性值的合理性。(3)多目标情境下离散值切削参数推荐。依据极差分析得到的极差值确定切削参数在不同目标下(切削力、切削温度、工件表面粗糙度、加工效率)所占的权值,并基于TOPSIS分析了案例库中的切削参数与最正理性解与最负理想解之间的贴近度系数。经实例验证,基于TOPSIS的方法可以从众多切削参数中优化出一组最符合用户目标的切削参数,验证了TOPSIS优化切削参数的可行性。(4)多目标情境下连续值切削参数推荐。本文通过科学的试验设计将连续值的切削参数离散为离散值,依据试验数据,基于响应曲面法(RSM)建立切削力、切削温度、工件表面粗糙度的二次回归模型。依据回归模型,建立多目标(切削力、切削温度、工件表面粗糙度、加工效率)优化函数,基于遗传优化算法从全局优化切削参数。经实例应用,验证了二次回归模型的拟合精度和本文建立的多目标优化函数的正确性。(5)切削参数推荐系统的实现。系统界面是基于MATLAB GUI开发的,数据库是基于SQL Server2008建立的,并且通过实例演示了系统的使用过程和功能。