高强钢(HSS:high strength steel)具有优良的材料性能,符合了现阶段汽车轻量化的先进理念：安全、节能和经济等,所以HSS在汽车行业中的应用会越来越广泛。并且在汽车零部件的多种加工工艺中,辊弯成型生产效率高,并且在截面较复杂的零部件变形中具有其它工艺所没有的优势。而HSS的广泛应用和高速发展是需要相应的理论基础,因此开展高强钢辊弯成形规律和金属变形特点的研究,具有重要的理论意义和实用价值。为优化辊弯成型的工艺参数,利用神经网络的非线性映射功能,提出了一种新方法来反映辊弯成型力与工艺参数之间的规律。将人工神经网络与辊弯成型仿真相结合,对辊弯成型力进行了研究。根据已有的辊弯成型力计算理论和工艺特点,分析了辊弯成型的基本特点,得出了影响成型力的主要工艺参数。并且针对不同的工艺参数,按照单因素实验法分别进行了滚花的设计、轧辊的设计以及建立了相应的有限元模型。基于高强钢复杂且为多道次弯曲成形等特点,建立了塑性等效板以提高有限元计算效率。根据材料的单向拉伸试验数据,经过力学推导,得到了高强钢的材料模型数据。通过有限元仿真模拟提取了各道次的成型力,并且与各工艺参数一一对应,进行了必要的数据处理,用来训练构建的BP网络,经过反复的调试网络参数,得到了较为理想的预测精度。本文将人工神经网络与冷弯成型仿真相结合,着重探讨了工件厚度和成型角度对成型力的影响规律,预测结果表明神经网络能够较好的反映辊弯成型力与各工艺参数之间的非线性规律,神经网络有很强的映射能力,并且对辊弯成型力的预测达到很高的精度,下一步可以用它进行辊弯成型工艺的优化研究。