自动编程是计算机根据加工对象信息和加工工艺知识,自动进行数控设备刀路轨迹计算并输出NC文件的技术。目前,自动化编程主要针对CAM原有功能进行集成应用或对特定产品制定专用规则进行自动编程。在加工新产品时,必须通过人工方式对旧编程模板进行大量修改和调整,难以适应加工现场复杂多变的加工环境以及产品快速迭代的加工需求。随着机器学习在各个领域研究的不断深入,以数据推动生产的方式为许多复杂问题提供了新的解决方法和思路。本论文研究CAM编程中的工艺思维与编程逻辑,提出一套以机器学习为核心的自动化编程方法并进行相关系统开发,将历史编程项目中的编程经验应用到新加工对象上,摆脱以往自动编程只能针对特定加工对象的局限,提高系统对复杂模型以及复杂加工环境的适应能力。本文研究基于机器学习的数控自动编程方法的三个关键技术:1、从STEP中获取几何信息并重构基础几何特征数据框架,以特征面凹凸和边界关系为基础设计模型分解规则,同时规划特征之间的加工顺序;从STL中获取三角面片数据,提出改进面积分布算子进行特征识别。2、设计并构建针对特征的工艺模板,并运用机器学习中多分类BP算法,提出从历史编程项目中获取特征矩阵和工艺模板匹配信息的方法,并训练特征与工艺映射模型,为每个特征匹配对应的工艺模板。3、采集历史编程项目中的切削参数信息和相关制造信息,提出预学习权重优化方法提高IPSO-BP算法的拟合性能,并训练切削参数适配模型,根据实际加工环境更新工艺模板中的切削参数信息。基于上述研究成果,采用二次开发的方法,以Powermill为平台,开发基于机器学习的自动编程系统。实现模型分解与特征识别、工艺模板与切削参数的自动匹配、工序的编排、刀具路径的自动计算仿真与NC代码的自动生成功能。