机械加工余量的确定是铸件设计中的内容。在实际生产中，机械加工余量的大小直接影响制造过程中的成本和质量。
目前对于零件的机械加工余量的确定主要采用经验估计，一般依据现场经验以及同类零件的铸件情况，参照有关工艺手册制定出铸件总余量，除此之外，亦有分析计算法，统计经验公式法等确定机械加工余量的方法。但是由于影响机械加工余量的因素多，使得所获得的机械加工余量往往不够准确，为了增加 系数，大都采用增大机械加工余量的办法解决，降低了机械加工余量的合理性和性。
铸件是通过 的铸造方法获得的，不同的材料如铸铝、铸钢等以及不同的铸造工艺方法，对机械加工余量的确定有很大的影响。另一方面，铸件结构不同， 大尺寸及所加工表面的特征尺寸不同，铸件余量也应不同。一般情况下，铸件尺寸越大，铸造及机械加工中的变形以及产生缺陷的可能性也就越大。这时就应放大机械加工余量，以满足后续加工的
要求。
机械加工余量的确定是受多因素制约的一个复杂问题，对于这样的问题，目前的计算方法、统计法以及经验估算法都存在许多难以解决的问题。以计算法为例，要分析每道工序的加
工粗糙度，表面破坏层，安装误差及形位误差，这些数值都是根据经验或者实验而形成的工艺表格，计算时通过查阅手册，进行计算和经验估计相结合的方法。费时费力，加之加工方法不同，各厂的加工水平不同，使得估计的机械加工余量值和实际有很大差异。当有关数据不全时，往往造成计算无法进行。
为此本文提出一种基于神经网络的机械加工余量的计算方法。该方法的实质是，根据生产中影响机械加工余量的因素，建立相应的网络模型，收集实际应用中的典型样本进行训练。实际应用中，当输入铸件相关参数后，该网络就可准确计算出铸件的机械加工余量以及尺寸公差。
虽然影响机械加工余量的因素复杂而且繁多，但仔细分析发现，许多因素是相互关联的，例如零件批量和铸件精度与铸造方法就有很大相关性。只要选定了铸造方法，铸件的批量及精度等级也就相应的确定了。又如：只要知道零件 终加工精度和表面粗糙度的大小，实际上就确定了 终加工方法和相关工艺路线，工序数目及工序加工内容也可同时获得，这样不用计算各道工序的机械加工余量及尺寸公差就能推断出铸件总机械加工余量及尺寸公差。
