随着航空航天工业的发展，对飞行器性能要求不断提高。薄壁件因其重量轻等特点被大量采用。但是由于薄壁件的结构比较复杂、刚度较弱、要求的精度很高，所以在实际装夹过程中受到夹紧力的作用，总会伴随着不同程度的变形，使得加工后的工件难以达到质量指标所规定的要求。因此有效的控制薄壁件的装夹变形对我国航空航天制造业有着重要的意义。在多重装夹元件的装夹过程中，由于装夹顺序、夹紧力、定位元件位置等装夹布局参数的不同，薄壁件的装夹变形程度也不一样。单个装夹布局参数引起的工件装夹变形规律能够通过有限元方法获得。但是，若同时考虑多个装夹布局参数的影响，仅仅利用有限元方法难以揭示装夹布局参数与装夹变形之间的关系。为此，本文建立了基于BP神经网络的装夹变形预测模型，并且根据遗传算法对布局参数进行了优化,并开发了框类薄壁件铣削仿真平台的定制应用程序。其主要的研究内容如下：1．建立了工件-夹具系统，对工件受到多重夹紧的装夹过程中，进行了详细的分析，确定了摩擦锥约束条件和单侧接触约束条件，最后基于最小余能得到了目标求解函数，利用有限元分析软件进行建模，并且计算在不同的夹紧力、定位元件位置、装夹顺序下的薄壁件装夹变形。2．对BP神经网络进行了研究分析，并且确定了神经网络的各个层的神经元的个数以及各层之间的传递函数，建立了薄壁件装夹变形的预测模型。然后将不同装夹布局参数所对应的装夹变形作为神经网络的训练样本，并将预测值与相应的有限元仿真值进行比较，结果表明预测误差不超过3%。3．建立了以最小化最大装夹变形为目标的装夹布局方案优化模型及其遗传算法求解技术，对薄壁件的装夹布局参数进行优化。得到了最优的装夹布局参数，并与之相对应的有限元变形进行比较，确定优化结果的正确性。不仅提高了装夹变形的计算效率，而且为薄壁件装夹布局方案的合理设计提供了基础理论。4．通过Python语言编写程序，开发出了针对于框类薄壁件快速铣削仿真平台的定制应用程序。通过编写可以调用ABAQUS自带的库函数的脚本程序，构建与之相对应的GUI图形界面，并且定义其建模所需的关键字，使工件的铣削加工建模可以实现参数化；同时，开发了相应的仿真结果的后处理程序，可以快速的提取所需的结果数据。