近些年,智能化精密切割在切割行业中得到广泛应用,并将成为今后该行业的一种发展趋势。基于此种情况,针对当前在切割实际中切口形状难以准确预测的现实问题,本课题以有着广泛应用前景的等离子弧切割过程为研究对象,提出一种基于BP (Back Propagation)算法的神经网络预测模型和优化SA (Simulated Annealing)算法,并编制相应软件,对实际的等离子弧切割质量工艺参数进行预测与优化。本软件以VC++为主要开发工具,同时调用MATLAB引擎来实现数据三维效果,设计了操作简洁方便的人机交互平台,实现等离子弧切割质量工艺参数预测与优化。该交互平台主要采用按钮式控制,一命令一动作,简单可靠。软件包括四个部分,分别是训练学习,预测应用,三维显示和过程优化,另外提供了一系列帮助说明文件。以上四个部分,用户均可根据实际需要选择相应数据文件,也可对网络品质参数加以合理调整,如网络结构参数,训练误差等。其中,训练学习过程是网络的核心,学习能力好坏直接影响到其他几个功能,本文对标准BP算法加以改进,包括附加动量项训练、自适应学习率和修改激活函数,从而达到提高学习速度与学习效果的目的。三维显示主要调用MATLAB引擎生成数据曲线图与分布图,同时可基于训练过程来预测参数之间的影响规律,从而实现数据规律的直观可视化。过程优化采用应用广泛的SA优化算法,对切割工艺参数进行最优化和目标值优化设计。试验结果表明:本软件具有较强的学习能力与泛化能力,收敛速度快,准确度高。系统迭代误差与训练结果相对误差能基本满足要求,预测结果与实际结果误差在允许范围内,同时三维显示能准确反映出试验数据历史规律,针对该训练数据的SA优化算法经过若干次迭代搜索后,可得到相对最优的参数或目标参数,结果基本符合实验结果,且很好地收敛于优化目标值。