随着钣金折弯行业自动化与智能化水平的不断提高,对折弯加工工艺精度与生产效率的要求也逐步上升。由于折弯编程系统在可扩展性、鲁棒性、安全性等方面均超过传统的人工折弯,因此研发设计高效的编程系统已成为折弯加工领域发展的重要方向。本文在分析当前国内外钣金折弯工艺算法与系统软件设计思想的基础上,针对钣金折弯加工中工件与机床的运动轨迹,设计了以图形式编程为交互形式、神经网络与生物进化算法为运算支撑的编程系统,主要研究内容如下:首先,基于传统折弯加工方式及工艺参数求解算法存在的局限性,确定了采用图形式编程系统的方法辅助折弯加工。通过研究钣金折弯加工工艺特点,设计了折弯加工编程系统的整体方案,明确了其功能需求与体系结构。在此基础上,结合工艺参数求解公式在精度方面的不足,搭建了多层感知器的神经网络模型,对折弯角内圆弧半径进行预测计算。其次,采用模块化的设计思想,以工艺数据为沟通桥梁,将人机交互模块、数据库模块以及三维仿真模块进行有机整合,形成了整体的图形式编程系统。为了简化折弯流程,在设计人机交互模块时,以投影后的侧截面为系统数据结构支撑,结合Visual Studio等支撑平台建立图形化参数输入界面。此外,为了保证数据的实时同步,设计数据库模块时构建了不同工艺数据之间的对应关系,优化了工艺计算流程。在构建三维仿真模块时,采用了两步法的研究方法,针对折弯前后的工件状态分别实现了加工场景再现。然后,针对传统的钣金折弯工序规划算法效率较低的问题,提出了能有效缩小运算空间的回溯算法。此外,对钣金折弯加工时零件与机床模具之间的位置关系展开分析,提取出干涉碰撞、生产精度、生产用时等变量,并以此构建了对应的适应值函数,将工序规划问题转化为函数最优化问题。针对此最优化问题,设计了基于粒子群的工序规划算法,在采用自适应惯性权值的基础上,引入交叉和变异算子对每代种群中的较差工序进行优化。最后,从生产数据中采集不同加工环境下所对应的折弯角内圆弧半径的大小,训练了神经网络的预测模型,最终得出模型的最大误差与平均误差分别为0.16mm与0.05mm。此外,使用粒子群、遗传算法分别对钣金折弯工序进行规划,实验结果表明,当折弯工步在10道以上时,改进后的粒子群算法可以快速地计算出较为准确的折弯工序,适应值结果相较于传统的粒子群下降约11%。