随着板料拉深成形技术的飞速发展,人工智能技术与塑性成形技术的结合越来越受到重视。人工神经网络作为智能技术的一支新生科学,通过自身具有高度的自响应性和自学习能力等优点解决了许多复杂的拟合性问题,能够为非线性模型的优化、预测等问题提供良好的解决途径。拉深成形作为塑性加工领域中一种典型的加工技术,其中压边力对毛坯拉深成形效果有非常显著的影响,能够理想地实现对压边力实时预测和控制是生产优质拉深件的必要条件。但在实际生产中压边力与众多因素都有关联,各因素对其影响程度不尽相同,且各因素间也存在联系。在板料拉深成形过程中,如何准确地预测变压边力的变化规律成为了一个复杂的非线性问题。首先,本文构建了矩形盒拉深成形时压边力作用的模型,依据塑性成形理论和板料拉深原理,分析了矩形盒拉深成形的特点和其几种典型的失效形式,进而提出了判定失效的方法和衡量的标准;确定了板料拉深成形变压边力的安全极限图,详细推导了矩形盒拉深成形法兰区域起皱及角部拉裂的临界压边力公式,并对影响临界压边力的因素作了分析。再者,在对矩形盒拉深过程中,利用DYNAFORM对几种典型的压边力加载方式展开了仿真分析,通过对模拟结果总结对比,获取了理想的变压边力加载模式,并在此基础上进行了数据样本的筛选工作。然后,依据人工神经网络的基本理论、基本公式和基本方法,建立了神经网络预测模型,鉴于科研条件和样本的特性,采取了“固定间隙法”获取了样本数据,通过对网络模型训练学习,成功预测出了矩形盒拉深成形时较优的变压边力加载曲线。并对较优的正梯形变压边力曲线仿真结果与网络预测得到的变压边力拟合曲线仿真结果进行了对比,验证了后者更为符合生产要求。最后,借助数学分析软件MATLAB7.8和编程软件VB(6.0)研究开发了变压边力智能预测系统软件,该软件具有易操作、易学习、安全性高、准确度高和可靠性高等优点。