随着我国经济水平的飞速发展和现代化工业体系的不断完善,近年来我国的汽车产业实现了飞跃式的增长,并且将在未来很长一段时间内继续保持增长趋势。汽车产业的发展同时也会带来环境、资源、道路安全等方面的问题,为了解决上述问题,汽车轻量化的研究尤为重要。先进高强钢在车身上的广泛应用就是实现汽车轻量化的途径之一。相对于普通钢来说,先进高强钢更难成形。CAE仿真分析软件可用于预测先进高强钢成形过程中可能产生的缺陷。然而,随着汽车生产企业对车身件质量要求的不断提高,以及产品迭代速度的不断加快,传统CAE软件的一些短板也渐渐凸显出来。例如在对较为复杂的制件进行冲压仿真时需要消耗大量时间和算力,仿真前需要设置的参数过多等。为了弥补传统CAE软件的短板,需要一种效率更高、占用资源更少、准确度和实用性更好的车身件冲压成形质量预测系统,而计算机软硬件的不断发展为这种预测系统的成功开发提供了可能性。本文从机器学习的基础理论出发,确立了实现拉延成形质量预测需要解决的两类问题,其中缺陷值的预测属于回归问题,缺陷部位的预测属于分类问题。选择先进高强钢TRIP780的屈服强度和抗拉强度作为特征,汽车B柱拉延后的最大减薄率、最大失效值,最大减薄部位和最大失效部位作为标签,通过Auto Form软件仿真获取了原始数据,并利用特征工程等手段完成了数据的预处理,建立了原始数据集。将原始数据集划分为训练数据集和测试数据集。利用训练数据集完成了模型的训练,并通过网格搜索、交叉验证和模型正则化等方法对模型进行了优化,建立了B柱拉延缺陷预测模型。通过测试数据集验证了模型的正确性、可靠性和预测准确度。在以TRIP780高强钢为材料进行汽车B柱拉延时,当实际生产中TRIP780的材料性能参数发生波动时,该模型可以准确预测B柱拉延过程中的主要缺陷值大小和缺陷发生部位,判断拉延件成形质量是否合格。为设计人员提供参考,帮助其在设计时提前在相应部位留出足够的安全裕度,避免实际生产时的缺陷产生。最后运用该模型对TRIP780材料的15000组屈服强度和抗拉强度的组合进行了最大减薄率和最大失效值的预测,建立了TRIP780材料用于某型号B柱拉延时的安全材料波动范围,钢材生产企业只要将TRIP780的材料性能参数的波动控制在该范围以内,就能在实际生产中获得合格的B柱拉延件。