在汽车轻量化的需求下,高强度钢板、超高强度钢板越来越多的运用于汽车覆盖件的生产领域,使得板料冲压的回弹缺陷更加突出,严重影响零件的尺寸精度。为了控制板料冲压中出现的回弹缺陷,企业在模具设计时通常会从两方面考虑：1.通过优化工艺参数的方法来控制回弹；2.以CAE模拟为先导,先预测一个回弹角度,而后通过修模或者增加修正工序的方式来控制回弹。但这两种方法只能指导模具的初步设计过程,在模具精修时,往往只能靠模具师的设计经验,这既耗时又费力。与此同时被设计出来的初步模具模型的有效成分没有得到充分的二次利用,仅把它当成一种结果,对模具型面与零件在受冲压变形前后的型面的关系只停留在感性认知,没有对这种关系建立一种有效的模型,并将它使用在模具的进一步开发上。本文采用数学回归的建模方法,分别使用BP神经网络和支持向量机对成型模的修模型面与零件在受冲压变形前后的型面的关系进行回归预测。本文的研究对象为采用B340材料制造的某乘用车左／右前纵梁前段,文章首先采用Dynaform软件对零件进行回弹数值模拟,预测其大致回弹值,为企业工程师设计模具提供初始修模量的参考值。为了进一步研究模具型面与零件型面的关系,根据工程师设计出的模具进行数学建模,以此来探讨修模量的一种新的研究方法。经过深入地分析零件特征及其工艺流程,文章以简单U型零件为例来探讨侧整形模具型面与零件在侧整形前后的型面的关系,然后按照一定的条件将结论推广到前纵梁前段的冲压成形中。在研究前纵梁前段侧整形模具型面与零件在侧整形前后的型面的关系时,本文选择了29个截面进行研究,其中6个截面是企业工程师反复修改的位置,为了模拟上述模具型面与零件型面的关系,文章使用了两种智能算法——支持向量机和BP神经网络进行拟合训练。而后使用训练好的网络对模具设计师反复修改的模具位置进行修模量预测。起初预测结果并不理想,所以通过改进数据采集和优化建模方法来提高预测精度,最终的预测趋势和实际修模一致且预测误差较小。文章还分析对比了支持向量机和BP神经网络的预测结果,比较了它们在预测修模量时的优劣。由于冲压成形工艺参数及材料性能均未考虑,所以本方法简单实用,适用性强,对其他类U形件修模具有参考价值。