智能的高速发展对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  ，难以准确获得性能最优的结构优化方案 。
　　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 。

数车 备注名称：为保证质量小文章的齐全度  ，本段基本主要内容由PDF版式界面显示信息  ，如没有界面显示信息请刷出或换算搜素器试用  ，电脑搜素应该无发普通食用！

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 。