附件B：
畢業(yè)設(shè)計(jì)（論文）開(kāi)題報(bào)告

1、課題的目的及意義（含國(guó)內(nèi)外的研究現(xiàn)狀分析或設(shè)計(jì)方案比較、選型分析等）
課題的目的及意義
在機(jī)械加工中，加工參數(shù)的選擇對(duì)機(jī)床設(shè)備的利用率以及制造成本都有著很大的影響。在傳統(tǒng)加工過(guò)程中，一般是將有經(jīng)驗(yàn)的機(jī)械師的選擇經(jīng)驗(yàn)記錄下來(lái)，并且編纂成機(jī)械加工數(shù)據(jù)手冊(cè)、數(shù)據(jù)單表、列線圖和計(jì)算尺。但這種方法在追求效率的大規(guī)模自動(dòng)化加工中已經(jīng)不能滿(mǎn)足要求。切削參數(shù)的選擇是制定機(jī)械零件加工工藝中的一個(gè)重要方面，選擇的恰當(dāng)與否，將直接影響到成品的的質(zhì)量、生產(chǎn)率、加工成本等，然而由于影響切削用量的因素繁多，影響因素之間又相互交叉，相互制約，因而確定最佳切削用量較為困難。根據(jù)經(jīng)驗(yàn)來(lái)確定金屬切削用量的方法所確定的切削用量因人因廠而異，實(shí)際效益相差很大，而且由于各種新加工材料不斷涌現(xiàn)，以及數(shù)控加工機(jī)床、加工中心和柔性制造系統(tǒng)的應(yīng)用，依靠經(jīng)驗(yàn)來(lái)確定切削參數(shù)已遠(yuǎn)不能適應(yīng)時(shí)代的發(fā)展。本文以機(jī)械加工中經(jīng)常出現(xiàn)的誤差復(fù)映現(xiàn)象為例，利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)機(jī)械加工工程中加工參數(shù)的自動(dòng)選擇。
根據(jù)誤差復(fù)映理論，誤差復(fù)映系數(shù)反映了加工前毛坯誤差對(duì)加工后工件誤差的影響程度，而誤差復(fù)映系數(shù)與工藝系統(tǒng)剛度、切削條件、進(jìn)給量、工件材料的硬度等多個(gè)因素有關(guān)，且呈復(fù)雜的非線形關(guān)系，難以通過(guò)公式精確算出。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，簡(jiǎn)稱(chēng)ANN）是在人類(lèi)對(duì)其大腦神經(jīng)網(wǎng)絡(luò)認(rèn)識(shí)理解的基礎(chǔ)上人工構(gòu)造的能夠?qū)崿F(xiàn)某種功能的神經(jīng)網(wǎng)絡(luò)。它是理論化的人腦神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型，是基于模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)，它實(shí)際上是由大量簡(jiǎn)單元件相互連接而成的復(fù)雜網(wǎng)絡(luò)，具有高度的非線形性，能夠進(jìn)行復(fù)雜的邏輯操作和非線形關(guān)系實(shí)現(xiàn)的系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)可以通過(guò)訓(xùn)練學(xué)習(xí)來(lái)獲得網(wǎng)絡(luò)的權(quán)值與結(jié)構(gòu)，呈現(xiàn)出很強(qiáng)的自學(xué)能力。
通過(guò)用實(shí)驗(yàn)得到的樣本集對(duì)ANN反復(fù)進(jìn)行訓(xùn)練，直到網(wǎng)絡(luò)的實(shí)際輸出和目標(biāo)輸出之間的誤差減小到規(guī)定的要求。當(dāng)對(duì)訓(xùn)練好的網(wǎng)絡(luò)輸入加工的各種條件后可以得到加工的次數(shù)及各次的加工余量。按照輸出的加工次數(shù)及各次加工余量可以基本滿(mǎn)足加工要求。這不僅可以對(duì)傳統(tǒng)的機(jī)械加工方式中的加工參數(shù)選擇提供指導(dǎo)和參照，更重要的意義在于在CIMS（計(jì)算機(jī)集成制造系統(tǒng)）中能實(shí)現(xiàn)參數(shù)自動(dòng)選擇來(lái)解決誤差復(fù)映問(wèn)題。雖然神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程需要較長(zhǎng)的時(shí)間，但是由于