模具数字化制造尚处于起步阶段,其体系结构和关键技术仍有待进一步研究.目前,制约模具数字化制造的瓶颈技术--智能CAPP及其与CAD、CAM的集成技术尚未有效解决.本文对其中的零件信息获取、特征加工方案产生、工艺计划优化以及模具型腔粗铣加工的刀具优化选择等关键技术进行了深入研究,为实现模具的数字化制造奠定基础.针对目前CAD模型不能直接提供CAPP所需的加工特征及其工艺信息问题,提出了一种基于知识的区域分层特征识别算法,在特征识别和唯一性解释过程中引入相关知识,得到合理的加工特征以及特征关系树,结合特征识别的后处理,获取工艺设计等所需的特征信息,实现了CAPP与CAD的有效集成. 同一特征一般具有多种加工方案,且它们在一定的生产条件下具有不同的选择优先权.传统的方法一般只能获取某一特定的加工方案或者仅对各种可行加工方案的选择优先权进行简单的定性描述,不能为特征加工方案的灵活选择提供科学的依据.为此,本文提出了一种基于人工神经网络和反向设计来产生特征加工方案的方法.该方法采用均匀设计法选择样本集,通过神经网络学习,获取特征在当前几何参数、技术要求和生产条件下的可行加工方法及其选择概率.然后,为获取的可行加工方法匹配候选机床和刀具集,结合加工余量的选择和计算,通过反向设计,获取该特征的所有可行加工方案及其选择概率,为后续全局优化工艺计划过程中动态选择特征加工方案提供依据.为了制订最优的模具加工工艺计划并提高工艺计划对生产环境的适应性,在分析特征加工方案选择与零件工序排序优化关系的基础上,提出了一种加工方案选择与工序排序综合优化的方法.该方法采用基于选择概率的轮盘赌策略动态选择特征加工方案,自动产生和调整工序优先约束,通过稳态遗传算法进行工序排序优化,生成候选最优工艺计划,最后通过对候选最优工艺计划的比较,获取加工成本最低的工艺计划(最优工艺计划)和若干基于不同加工方案组合的近似最优工艺计划,提高了工艺计划对生产环境的适应性,克服了当前常用工艺优化方法容易陷入局部最优的不足. 刀具选择对模具型腔的加工质量和效率至关重要.目前的方法主要依靠经验或者仅进行单一目标优化,难以满足复杂模具型腔最优刀具参数选择的需要. 为此,本文提出了一种综合考虑总切削时间和总切削体积的模具型腔粗铣加工刀具选择多目标优化模型.通过最小几何约束提取、切削层优化合并和多步长优选算法求解目标函数,得到了加工效率最高的刀具组合.基于上述关键技术研究,利用VC++和UG/OPEN API,在UG NX平台上设计了模具数字化制造中智能CAPP的原型系统及其与CAD、CAM集成的解决方案,并通过典型的模具零件验证了系统的合理性和有效性.