在铣床加工平面类的工件中,由于毛坯存在着尺寸误差,常常会使平面类工件出现台阶,这样铣刀加工时背吃刀量发生变化,从而引起铣刀径向切削力和工艺系统位移产生了一定的变化。吃刀量大,切削力大,工艺系统的让刀现象也大,造成工艺系统的位移也大。反之,吃刀量小,切削力也小,工艺系统的让刀现象随之减小,工艺系统的位移也小。最后结果使毛坯上原有的误差会重复反映到被加工的工件上去,影响工件的表面质量,这种现象称为“误差复映”。理论上,由于加工时不可避免地存在一定的切削力,误差复映现象不会消失。但是在通常情况下,当毛坯误差较大时,加大工艺系统刚度,并且加工过程分成几次走刀进行时,可有效地减少由于误差复映而引起的加工误差,提高加工精度。由于工件材料不同,在实际加工中所产生的切削力也不同,使工艺系统产生的变形也不同。以往,加工参数的选择主要依靠工人的实际经验来选取,参数的选择有很大的盲目性和偏差,这就造成同样一批工件,不同的人加工的工件质量千差万别。本文利用BP神经网络的任意非线性映射能力模拟误差复映系数与工艺系统刚度、被吃刀量、工件材料硬度之间的非线性关系,通过对实验得到的样本集进行训练,当对训练好的网络输入加工条件和要求后,可以自动地输出各次的加工余量。同时,本文对BP算法进行了改进,确定了BP网络的隐层数、各层神经元数,从而确定了BP网络的结构,并用测试集测试网络的泛化能力,验证了BP网络解决机械加工误差复映问题的可行性。