随着汽车产业迈向绿色、低碳化发展,自冲铆接工艺凭借良好的连接性能、极高的工作效率等优势被广泛应用于轻量化车身制造。如何进一步优化自冲铆接工艺参数、快速准确地检测接头连接质量,成为当下热门的研究方向。本文以2 mm AA5754+2.5 mm AA5754铝合金搭接组合为研究对象,基于数值模拟模型进行试验设计,探究了铆钉工艺参数对接头剖面几何参数的影响,搭建了接头底切量的BP神经网络预测模型,为扩充自冲铆研究体系、预测接头连接质量提供了理论参考和研究方法。本文主要完成了以下工作:首先,对自冲铆接工艺进行了介绍,在此基础上,使用Simufact软件对自冲铆接成形过程进行数值模拟分析,并将模拟接头与试验接头进行对比。对比结果表明:两种接头的底切量和底部厚度误差均小于5%,Z向作用力-位移曲线整体走势以及阶段划分基本相同,呈现出良好的相关性,证实了数值模拟模型的准确性。随后,基于自冲铆接数值模拟模型,将铆接过程细化为7个阶段,同时对铆钉、上下层板件按照形变程度进行了区域划分。其次,基于上述数值模拟模型,使用单因素试验和正交试验的方法研究了铆钉头部厚度、铆钉钉腿厚度、铆钉外部圆角半径对接头剖面几何参数的影响。研究结果表明:钉腿外部圆角半径对接头剖面几何参数影响最大,钉腿厚度次之,头部厚度影响最小;研究范围内最优参数组合接头相比原始接头其底切量提高了7.5%,底部厚度提高了12.3%,具有更好的连接质量。最后,通过引入均方网络误差判定准则、设计自适应交叉概率和变异概率的方法,搭建改进后的GA-BP神经网络模型对接头底切量进行预测。预测结果表明:改进后的GA-BP神经网络模型平均绝对误差为0.0215,均方根误差为0.0238,平均绝对百分误差为2.51%,均小于传统BP神经网络模型,表明了改进的有效性;15组测试样本中,改进后的GA-BP神经网络有14组数据相对误差小于5%,预测准确率大于90%,证实了预测的准确性。