工艺设计是机械制造业的重要基础工作,是连接产品设计与产品制造的桥梁,是一个经验性很强且随制造环境变化而变化的决策过程。工艺设计的质量和效率直接影响企业制造资源的配置与优化、产品质量与成本、生产组织效率等。当前,随着制造业的飞速发展,产品更新换代频繁,多品种、小批量的生产模式已占主导地位。因为传统的工艺设计存在着一致性差、效率低、难以保证数据的准确性等缺陷,又过于依赖工艺设计人员个人的经验和水平;而早期的CAPP专家系统又片面追求工艺决策的自动化,知识获取困难、推理方式单一,所以均难以满足现代制造业的发展需要。本文针对上述问题,结合人工智能特别是计算智能技术的研究成果,对智能CAPP系统中的知识表示、工艺路线和切削参数的决策等问题进行了研究与探索,研究内容和成果主要体现在以下几方面:1.在对传统的CAPP专家系统的不足进行分析的基础上,构建了基于知识的智能CAPP系统的总体框架,分析了它的组成及各个组成部分之间的信息传递,对系统各部分功能的实现方法和相关技术进行了多角度的研究。2.结合零件特征建模技术,综合面向对象的表示方法、框架表示法等多种知识表示方法的特点,提出一种基于零件特征的知识表示方法。将零件特征信息划分成特征元、加工元和切削元三个层次,然后采用XML语言对零件特征信息进行了结构化描述,从而构建了零件信息知识库。3.针对智能CAPP系统中的工艺路线的决策问题,提出了基于改进蚁群算法的优化方法。在将被加工零件划分为若干特征元和加工元的基础上,根据加工元的属性,用加权海明距离表示它们之间的相似程度;在蚁群算法中设置前趋表,用来表示加工元之间的约束条件,从而使得算法在对解空间进行搜索的时候,既要遵循基本蚁群算法中的禁忌准则,又要受到前趋表的限制。这样不仅保证了计算结果的有效性,而且提高了算法运行的效率。算法运行的结果是一条最优或近优的工艺路线。4.针对智能CAPP系统中的切削用量决策问题,将Pareto最优解的概念和遗传算法结合起来,提出一种基于先寻优后决策求解模式的优化算法。以切削效率和刀具耐用度为目标建立多目标优化模型;采用置零法处理不符合约束条件的个体;通过竞争的方法构造进化过程中所产生的Pareto最优解,并将其保存在非劣解集中直接保留到下一代,从而保证了算法的搜索方向;基于小生境技术,建立一种排挤机制,抑制个体的近亲繁殖,以提高种群的多样性;使用混合交叉算子和步长变异算子进行基因重组。算法运行的结果是一组沿Pareto前沿面均匀分布的优化解。在对以上基本理论进行研究的基础上,本文以天大精益公司的ERP系统为开发背景,采用基于Browser/Server模式的三层架构,进行了基于计算智能技术的CAPP系统的开发。