盒形件是金属薄板拉深成形中较为典型的冲压件,其变形规律具有一定的典型性,研究这类件的成形规律,不仅对这类件成形工艺参数和工艺步骤的确定是至关重要的,同时也是进一步认识复杂件成形规律的基础.利用传统的方法进行冲压件工艺分析时,为了避免材料成形过程中出现断裂、起皱、颈缩等不良影响,必须反复修改成形加工的某些参数或修改模具形状,使得工艺过程耗资大、产品开发周期长,已不能适应激烈的市场竞争和现代工业的发展要求.因此,该文研究将人工智能技术应用于冲压件成形性分析及工艺参数优化具有实际意义.该文研究了盒形件的成形特点和机理;着重研究了盒形件的缺陷形式及其判断准则;归纳总结了影响盒形件成形性的主要因素:材料参数、坯料形状、制件几何参数和工艺参数.在研究人工神经网络基本原理的基础之上,建立了方盒件成形缺陷预测系统.系统建立步骤:选取反向传播人工神经网络模型,确定网络的输入、输出、隐含层及传递结构,运用数值模拟方法获取网络的训练和检测样本数据,编制网络预测计算程序并对网络的性能进行检测.该文将神经网络和遗传算法结合起来建立了方盒件成形工艺参数优化系统.利用人工神经网络建立目标函数模型,用遗传算法对过程参数进行优化,对方盒件成形时的单位压边力、摩擦系数及凹模圆角值进行了优化设计,为预测和优化方盒件拉深成形质量提供了行之有效的手段.利用VB开发了界面对话框,将界面和内部程序连接起来建立了完整的系统.最后实例验证了系统的可行性.