随着汽车工业、内燃机工业的迅速发展,作为汽车、摩托车、内燃机、柴油发动机的关键零件,凸轮轴的需求量越来越大。同时随着对环保的要求不断提高,高环保性能、低排放、低消耗、低污染在发动机的性能要求中已经越来越重要,这就意味着对凸轮轴加工质量和加工效率的要求也越来越高。本文正是在目前国内一方面对凸轮轴加工要求越来越高,另一方面生产技术水平还有待提高的背景下提出来的,运用神经网络和遗传算法对凸轮轴数控加工磨削工艺参数和影响因素进行建模,并利用C++ Builder开发出基于神经网络和遗传算法的凸轮轴数控磨削工艺参数优化模块。本文在文献综述的基础上,对目前的凸轮轴数控磨削加工的研究现状做了简单的介绍。在分析了凸轮轴数控磨削过程中反应磨削加工效果的重要因素和影响磨削参数选择的主要因素后,分别建立了凸轮轴数控磨削加工的神经网络优化模型和遗传算法优化模型,并设计了试验方案对模型进行了实例研究。本文分别应用BP神经网络、遗传算法这两种模型,设计磨削试验对两种模型进行了比较。结果表明:BP神经网络模型学习速度较慢,易于收敛到局部最优点;遗传算法的收敛速度较快,而且优化的结果较好。本文利用C++ Builder开发出凸轮轴数控磨削工艺参数优化模块的操作界面,基于C++ Builder 6.0的良好的人性化界面实现了基于神经网络和遗传算法的磨削工艺参数选择优化的良好运行。该磨削工艺参数优化模块具有良好操作性、扩展性和通用性。