在机械制造中，冲压成形已经成为一种十分重要的塑性加工方法，广泛应用于汽车、航空航天、电器、造船、仪表等工业领域。随着工业对冲压件需求不断的增长，板材成形技术在世界各国，特别是工业发达国家得到高度重视。影响冲压件成形质量的因素有很多，而回弹缺陷是最重要的影响之一。回弹研究包含回弹预测和回弹控制两个相互影响的方面，对回弹进行准确的预测有利于我们有效的控制回弹，而控制是预测的最终目标，因为控制回弹能直接促进冲压质量的提高，促进冲压技术的发展。由于计算机技术的迅速发展，其运算能力已经能满足大规模的数值运算要求，使得以有限元为基础的数值模拟冲压仿真技术逐渐得到广泛推广和应用，而数值模拟也为冲压技术的发展带来新的革命。不仅如此，结合计算机的强大数值运算能力，以传统的试验方法为基础，通过数学建模来模拟冲压成形也变为现实，再结合数值优化方法，使冲压技术的优化得到长足的进步。本文就是在上述的技术背景上，提出了针对冲压成形中最常见的问题之一：回弹缺陷，以回弹现象较为严重的类U型件为研究对象，以正交试验法为实验数据基础，以DYNAFORM数值冲压仿真为手段，以材料性能、冲压工艺、回弹角反映的关键型面尺寸这三种参数为试验因素，以工程实际的经验取值范围为因素的水平，以冲压成形回弹分析模型与设计模型的误差量为试验指标，完成正交试验方案并得到相应的误差数据。根据已完成的正交表导入回弹控制原型系统，作为对人工神经网络训练的原始数据和校验数据。训练所得的人工神经网络作为遗传算法的“Fit Function”并在因素的水平范围内进行全局的优化，最后能得出最优的参数取值。本文的特色在于通过回弹角反映关键型面尺寸实现模具的参数化，并与材料性能、冲压工艺同时作为试验参数；另外把人工神经网络和遗传算法相结合，实现了冲压过程的数学模型模拟和参数优化；而且本文的工作还包括把正交试验、冲压仿真、回弹评价(包括由回弹角所反映出来的型面关键尺寸的计算与定位、成形结果与设计模型的位移误差计算)、参数优化(包括人工神经网络的冲压数学模型训练和遗传算法的全局寻优)整合到一个原型系统平台上，具有很高的工程应用价值。