车身覆盖件由于结构复杂以及影响其冲压变形的因素之多，决定了其冲压过程中变形规律的复杂性，分析起来十分困难。同时随着汽车工业的发展，覆盖件冲压成形中回弹问题变得越来越棘手，已引起了世界汽车工业界和学术界的广泛关注。目前回弹预测与控制的问题已成为该领域的研究热点与难点之一。 U形覆盖件是一种基本且具有代表性的车身覆盖件。本文通过对车身上U形碰撞盒冲压成形的数值模拟试验与实际冲压试验，对U形车身覆盖件冲压成形过程进行了数值模拟与分析。结合试验结果，对影响回弹的部分冲压参数进行了分析，对基于BP神经网络的回弹预测方法进行了研究。 本文首先对车身覆盖件及其冲压成形中变形的特点进行了归纳与总结。作为车身覆盖件冲压成形数值模拟分析的理论基础，对覆盖件冲压数值模拟的关键技术及其理论进行了探讨研究与总结。 通过对覆盖件冲压变形特点的归纳总结，以及对覆盖件冲压成形数值模拟理论和技术研究与探讨的基础上，运用参数化建模方法对U形车身覆盖件碰撞盒进行了智能化几何建模，提高了碰撞盒数值模拟分析中建模的灵活性。应用覆盖件成形数值模拟软件对碰撞盒在多种不同冲压参数组合下的冲压成形过程进行了成功的模拟，并研究了部分主要冲压参数对冲压件成形性能与冲压力之间的影响关系。 回弹是U形覆盖件主要的成形缺陷，本文在对碰撞盒冲压成形数值模拟分析的基础上，将多因素试验分析方法中的正交试验方差分析方法，应用到碰撞盒数值模拟回弹的分析研究中，对影响板料成形的因素(压边力、板料厚度、润滑及摩擦条件)与碰撞盒法兰边回弹之间的关系进行了定性分析与研究。 在碰撞盒回弹数值模拟正交试验的基础上，本文应用BP神经网络方法对正交试验中试验因素与回弹间的非线性关系进行了拟合，建立了基于数值模拟结果的BP神经网络回弹预测模型，并预测了冲压参数(压边力、板料厚度、润滑条件)变化下碰撞盒法兰边的回弹量。为了验证应用BP神经网络对碰撞盒冲压成形中回弹预测建模的可行性与稳定性，将重新调整的BP神经网络回弹预测模型用于实际碰撞盒冲压试验中，并对碰撞盒法兰边的回弹分布进行了预测，得到了较好的结果。 总之，应用BP神经网络对车身覆盖件冲压成形过程中复杂、非线性、多变换的回弹问题进行分析、研究，建立用于回弹预测与分析的模型，是探索解决车身覆盖件冲压成形中回弹预测与控制的新途径，这对提高车身覆盖件制造精度、降低模具成本、缩短车身覆盖件模具开发周期具有十分重要的现实意义。