智能机床的高速发展对机床提出了越来越高的要求，机床床身的进给系统为工件加工提供往复移动的作用，因此其动态特性对整机的加工精度影响很大［1 － 3］。采用有效的方法对机床的进给系统进行优化，对智能机床加工精度的提高有重要意义。
　　结构的优化设计可以归结为一个轻量化问题，通常以结构的质量为目标，结构的动静态特性为约束条件，对质量的最小化进行寻优。文献［4］ 建立了机床的动态模型并基于结合面进行了拓扑 优化。文献［5］对机床进行了轻量化设计，并通过改变筋板的布局进行尺寸优化。文献［6］对加工 中心的横梁进行了优化设计，在分析出薄弱部位 的同时，对进给机构中重力、外力的作用以及轴承 部位热的作用进行考虑。当今学者对机床进给机 构的研究，通常没有考虑进给机构结合面的刚度 作用，难以准确获得性能的结构优化方案。
　　本文以智能机床 i5 系列 M4. 5 机床的床身进给系统为研究对象，在充分考虑其结合面特性的基础上，建立多软件的协同优化平台，形成一个智能机床进给系统的遗传算法和神经网络优化系统。在常规优化的基础上，采用灵敏度分析法、神 经网络和遗传算法相结合，进行多目标优化，从而提高进给机构的动态特性。
1 进给机构的优化系统模型
　　机床进给机构的设计包括需求分析、部件结 构设计、参数化建模、动态特性仿真及多目标优化 等［7］。因此，本文构建由需求分析模块、部件结构 设计模块、参数化建模模块以及优化模块组成的 智能机床的优化系统模型，总体结构如图 1   所示。

宇匠数控 备注：为保证文章的完整度，本文核心内容由PDF格式显示，如未有显示请刷新或转换浏览器尝试，手机浏览可能无法正常使用！

3    结束语
　　针对智能加工中心机床的进给机构建立了一种多学科优化系统，利用吉村允效法建立结合面的动力学模型，相比虚拟材料法处理结合面，结果更为准确; 采用神经网络、遗传算法相结合的方式进行寻优，不但大大减小了计算时间，且使寻优结果更为准确，最终通过实验验证了该系统的可行性。该系统的优化设计模块，可以较为清晰的进行优化设计计算，解决了数据与拓扑关系丢失的问题，实现了优化设计信息的资源共享，提高了智能机床的精度和水平。