在板料成形过程中普遍存在着回弹问题,特别是在弯曲和浅拉深过程中回弹更为严重,对零件的尺寸精度和生产效率都造成极大的影响,因此对回弹控制进行深入研究有重要意义。冲压界以往对于弯曲成形件的回弹控制问题研究的不多,工程实际中通常基于经验和反复试验来减小或消除回弹的影响,上世纪90年代以来,随着拉延成形中起皱和拉裂问题逐步得到解决,回弹控制问题逐渐上升为研究重点,另外,板料冲压CAE技术的不断完善也为回弹控制研究提供了必要基础。把人工智能技术和方法引入冲压成形领域是当前冲压成形研究的一个热点。人工神经网络是一种模拟人脑脑神经传递信息的方式而建立起来的一种人工智能的方法,它是一种分布式的并行处理系统,其处理结果以权值形式分布存储在矩阵中,通过这种网络能够实现任意的非线性输入输出映射关系,具体的映射关系体现在构成网络的神经元之间的分布连接权上,由于网络具有很强的自适应和学习能力以及鲁棒性和容错能力,它不仅可以替代许多复杂耗时的传统算法,并且由于它对信息的处理更加接近于人的思维活动习惯,为解决非线性系统模拟和未知模型的预测提供了新途径。本文工作的特色在于对U形件回弹作了多工艺参数综合影响分析,有益于对冲压件回弹问题的深入探讨,将神经网络技术和正交试验法、数值模拟法相结合用于冲压工艺参数的优化,在保证分析精度一定的前提下,明显节省了工艺制定的时间,提高了工艺设计的工作效率。