随着制造业的发展,我国的制造业水平也不断提高,其中航空航天相关的制造业更是受到特别关注。航空航天业受到重视并逐渐壮大蓬勃发展的过程中,航空薄壁件就因其质轻,耐用成为了航空航天业的主流之一。本文主要研究铣削加工过程中航空薄壁件加工变形的预测及控制策略,它是进行加工质量控制的核心环节,对实现加工过程的高效化和精密化至关重要。为此,本文主要针对薄壁件的装夹过程和铣削加工过程建立了工件变形有限元分析模型,利用有限元仿真的方法和遗传算法相结合的方法优化薄壁件的装夹布局,并与利用有限元方法计算获得神经网络的训练样本建立预测模型并结合遗传算法优化工件的装夹布局的方法相对比,结果发现后者也适用于优化工件装夹布局。本文仿真模拟简单的铣削薄壁板过程,并通过有限元分析其计算结果,将结果数据加载到神经网络,并利用神经网络预测工件变形。其中有限元结果与实验测试数据较为吻合,验证有限元模型的合理性。因神经网络的初始权值和阈值的随机性对神经网络预测模型的建立具有一定影响,故通过遗传算法优化神经网络的初始权值和阈值,能够提高神经网络的泛化能力和预测精度。并根据铣削薄壁板模型确定输入样本的组数,以此相应组数的有限个训练样本构建工件变形的神经网络预测方法,通过将输出样本数据的预测误差作为适应度评估函数,通过遗传算法得到神经网络预测模型的初始权值和阈值,并以此模型的工件变形预测值与相应的有限元仿真值比较结果表明预测误差不超过6%,达到提高神经网络的泛化能力和预测精度的效果。最后,借助以上结论得出了优化初始权值和阈值的神经网络预测的方法,预测航空薄壁件的变形,建立了以工件节点最大位移最小为目标的夹紧元件位置分布的装夹布局优化模型,通过以工件变形为变量构造适应度函数,建立夹紧元件位置优化模型的遗传算法求解技术。提出的方法不仅可以增加铣削加工过程预测工件变形的计算精度,还能为工件铣削过程中的装夹布局规划与选择提供切实可行的理论依据。