近年来，铝合金等轻量化材料在汽车工业中的应用越来越多，以减轻汽车自重，降低燃油消耗和排放。但这些材料的成形性能相对于传统汽车钢板较低，如何改善其成形质量已成为研究热点。变压边力技术作为改善成形质量的一种简单、有效的控制手段，其研究日益受到关注。半球形件是曲面形零件中的典型基础件，研究其拉深成形的变形规律和特点，对改善成形质量，揭示曲面形状零件的拉深成形机理，具有十分重要的意义。随时间改变的压边力可以提高其成形质量，但不同时间的压边力取值与成形质量之间的影响关系仍不明了。人工智能技术的发展进步，为获得优化的压边力曲线提供了一个可能的途径。本文利用数值模拟软件对5083铝合金半球件进行了随时间变化的变压边力拉深研究。在此基础上运用智能优化方法研究了压边力取值对成形质量的影响规律。主要研究内容如下：建立了综合评价成形质量的评价标准，以对不同压边力曲线下的成形效果进行定量评估。将该标准用于正交试验样本处理，利用极差分析法得到不同时刻压边力取值对成形质量的影响，从大到小依次为：F4＞F3＞F1＞F2＞F5（F1-F5分别为拉深行程中5个时刻:0、1/4T、1/2T、3/4T、T对应的压边力，T为拉深工作行程的时间）；以正交优化得到的压边力进行CAE模拟分析，得到的综合指标为0.0997，比25组正交实验的任何一组指标都小，起到了一定的优化作用。建立了描述不同压边力曲线和成形质量综合指标之间非线性关系的神经网络模型，结合遗传算法优化得到半球形件拉深时最佳变压边力曲线为先降后增型，并进行CAE模拟验证得到综合指标为0.0595，小于其他的所有样本。5083铝合金拉深实验表明，用优化的压边力曲线拉深的成形质量较优，神经网络预测和遗传算法结合优化变压边力曲线是可行的。