钻削加工是最复杂的机械加工方法之一。钻削加工参数的确定受机床、刀具、工件材料、加工质量、产品的允许生产时间、生产成本等诸多因素的影响，如果采用常规的工艺设计方法，不仅难于得出合理的结果，而且在新材料、新工艺、新设备实施中可能无从着手。因而，在钻削加工工艺设计中，需要采用快速、合理地确定钻削加工切削参数的新方法。通过建立钻削数据库管理系统可快速查询钻刀的各种加工信息，如切削用量，刀具几何参数等，给现场人员提供必要的咨询，有利于提高生产率，节约生产成本，也可使数据库的信息管理更加科学化。 本文分析了BP神经网络和微粒群算法的特点，针对BP网络具有收敛速度慢、易于陷入局部极小的缺点，提出用具有全局收敛性的微粒群算法优化BP神经网络；将该方法应用到钻削数据库系统中，实现钻削参数的合理选择并使钻削参数的选择具有一定的智力水平。该方法能够改善BP算法性能，使其不易陷入局部极小，增强泛化性能；有利于提高系统的运行速度和运算效率。 本文还使用该方法设计并实现了钻削数据库系统，其特点是：系统从已有的实验数据中获得学习样本，并且通过用户向系统提供的刀具、材料、加工质量等参数，能够快捷且比较合理地制订出钻削加工的切削速度、进给量、切削深度的大小。而且伴随着加工信息的反馈，系统能够通过自学习，不断完善数据库，提高自身决策能力，从而使决策结果更趋合理。 实验表明，本文的方法能够快速合理的制定钻削参数，应用本系统大大缩短了刀具选择的时间，减少工人劳动，同时降低了加工成本，不但克服了刀具选择过程中人为因素的影响，还有效控制了加工质量。